HBase数据模型、实现原理及运行机制

1、HBase简介

HBase是一个高可靠、高性能、面向列、可伸缩的分布式数据库，是谷歌BigTable的开源实现，主要用来存储非结构化和半结构化的松散数据。HBase的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表。

2、HBase与传统关系型数据库对比

• 1）数据类型：关系数据库采用关系模型，具有丰富的数据类型和存储方式， HBase则采用了更加简单的数据模型，它把数据存储为未经解释的字符串。
• 2）数据操作：关系数据库中包含了丰富的操作，其中会涉及复杂的多表连接。 HBase操作则不存在复杂的表与表之间的关系，只有简单的插入、查询、删除、 清空等，因为HBase在设计上就避免了复杂的表和表之间的关系。
• 3）存储模式：关系数据库是基于行模式存储的。HBase是基于列存储的，每个列族都由几个文件保存，不同列族的文件是分离的。
• 4）数据索引：关系数据库通常可以针对不同列构建复杂的多个索引，以提高数 据访问性能。HBase只有一个索引——行键，通过巧妙的设计，HBase中的所有访 问方法，或者通过行键访问，或者通过行键扫描，从而使得整个系统不会慢下来 。
• 5）数据维护：在关系数据库中，更新操作会用最新的当前值去替换记录中原来 的旧值，旧值被覆盖后就不会存在。而在HBase中执行更新操作时，并不会删除数 据旧的版本，而是生成一个新的版本，旧有的版本仍然保留。

• 6）可伸缩性：关系数据库很难实现横向扩展，纵向扩展的空间也比较有限。相反，HBase和BigTable这些分布式数据库就是为了实现灵活的水平扩展而开发的， 能够轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩。

  
  

3、HBase数据模型

• 表：HBase采用表来组织数据，表由行和列组成，列划分为若干个列族 。
• 行：每个HBase表都由若干行组成，每个行由行键（row key）来标识。
• 列族：一个HBase表被分组成许多“列族” （Column Family）的集合，它是基本的访问控制单元。
• 列限定符：列族里的数据通过列限定符（或列）来定位。
• 单元格：在HBase表中，通过行、列族和列限定符确定一个“单元格”（cell），单元格中存储的数据没有数据类型，总被视为字节数组byte[]。
• 时间戳：每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引。 HBase中执行更新操作时，并不会删除数据旧的版本，而是生成一个新的版本， 旧有的版本仍然保留（这是和HDFS只允许追加不允许修改的特性相关的）
  
  图3-1 HBase数据模型

4、HBase数据坐标

HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格，因此，可以视为一 个“四维坐标”，即[行键, 列族, 列限定符, 时间戳] 。

5、HBase的实现原理

（1）HBase组件功能

HBase主要包括库函数、一个Master主服务器、多个Region服务器。

• 主服务器Master负责管理和维护HBase表的分区信息，维护Region服务器列表，分配Region，负载均衡
• Region服务器负责存储和维护分配给自己的Region，处理来自客户端的读写请求， 客户端并不是直接从Master主服务器上读取数据，而是在获得Region的存储位置信息后，直接从Region服务器上读取数据， 客户端并不依赖Master，而是通过Zookeeper来获得Region位置信息，大多数客户 端甚至从来不和Master通信，这种设计方式使得Master负载很小。

（2）Region

一个HBase表按照行键字典序排列，被划分为多个Region，交由不同的Region服务器管理。同一个Region不会被分拆到多个Region服务器，每个Region服务器存储10-1000个Region

（3）Region定位

元数据表，又名.META.表，存储了Region和Region服务器的映射关系，当HBase表很大时， .META.表也会被分裂成多个Region。
根数据表，又名-ROOT-表，记录所有元数据的具体位置，-ROOT-表只有唯一一个Region，名字是在程序中被写死的
Zookeeper文件记录了-ROOT-表的位置

图5-1 HBase三层结构

6、HBase运行机制

（1）HBase系统架构

1） 客户端
客户端包含访问HBase的接口，同时在缓存中维护着已经访问过的Region位置 信息，用来加快后续数据访问过程。
2） Zookeeper服务器
Zookeeper可以帮助选举出一个Master作为集群的总管，并保证在任何时刻总 有唯一一个Master在运行，这就避免了Master的“单点失效”问题。 Zookeeper是一个很好的集群管理工具，被大量用于分布式计算， 提供配置维护、域名服务、分布式同步、组服务等。
3）Master主服务器
Master主要负责表和Region的管理工作：管理用户对表的增加、删除、修改、查询等操作；实现不同Region服务器之间的负载均衡；在Region分裂或合并后，负责重新调整Region的分布；对发生故障失效的Region服务器上的Region进行迁移
4） Region服务器
Region服务器是HBase中最核心的模块，负责维护分配给自己的Region，并响应用户的读写请求

图6-1 HBase系统架构

（2）Region服务器工作原理

1）用户读写数据过程

•用户写入数据时，被分配到相应Region服务器去执行
•用户数据首先被写入到MemStore和Hlog中
•只有当操作写入Hlog之后，commit()调用才会将其返回给客户端
•当用户读取数据时，Region服务器会首先访问MemStore缓存，如果 找不到，再去磁盘上面的StoreFile中寻找

图6-2 HBase向HDFS中读写数据

2）缓存的刷新

•系统会周期性地把MemStore缓存里的内容刷写到磁盘的StoreFile文 件中，清空缓存，并在Hlog里面写入一个标记
•每次刷写都生成一个新的StoreFile文件，因此，每个Store包含多个 StoreFile文件
•每个Region服务器都有一个自己的HLog 文件，每次启动都检查该文 件，确认最近一次执行缓存刷新操作之后是否发生新的写入操作；如果发现更新，则先写入MemStore，再刷写到StoreFile，最后删除旧的Hlog文件，开始为用户提供服务

3）StoreFile的合并

•每次刷写都生成一个新的StoreFile，数量太多，影响查找速度
•调用Store.compact()把多个合并成一个
•合并操作比较耗费资源，只有数量达到一个阈值才启动合

4）Region的分裂

多个StoreFile合并成一个，单个StoreFile过大时，又触发分裂操作，1个父Region被分裂成两个子 Region。

5）HLog工作原理

• 分布式环境必须要考虑系统出错。HBase采用HLog保证系统恢复
• HBase系统为每个Region服务器配置了一个HLog文件，它是一种预 写式日志（Write Ahead Log）
• 用户更新数据必须首先写入日志后，才能写入MemStore缓存，并且 ，直到MemStore缓存内容对应的日志已经写入磁盘，该缓存内容才 能被刷写到磁盘
•Zookeeper会实时监测每个Region服务器的状态，当某个Region服务器发生故障时，Zookeeper会通知Master；Master首先会根据每条日志记录所属的Region对象对HLog数据进行拆分，分别放到相应Region对象的目录下，然后再将失效的Region重新分配到可用的Region服务器中，并把与该Region对象相关的HLog日志记录也发送给相应的Region服务器
• Region服务器领取到分配给自己的Region对象以及与之相关的HLog 日志记录以后，会重新做一遍日志记录中的各种操作，把日志记录中的数据写入到MemStore缓存中，然后刷新到磁盘的StoreFile文件中，完成数据恢复
• 共用日志优点：提高对表的写操作性能；缺点：恢复时需要分拆日志

7、HBase实际应用中的性能优化方法

1）行键（RowKey）

行键是按照字典序存储，因此，设计行键时，要充分利用这个排序特点，将经常一 起读取的数据存储到一块，将最近可能会被访问的数据放在一块。 举个例子：如果最近写入HBase表中的数据是最可能被访问的，可以考虑将时间戳 作为行键的一部分，由于是字典序排序，所以可以使用Long.MAX_VALUE - timestamp作为行键，这样能保证新写入的数据在读取时可以被快速命中。

2）InMemory

创建表的时候，可以通过HColumnDescriptor.setInMemory(true)将表放到Region 服务器的缓存中，保证在读取的时候被cache命中。

3）Max Version

创建表的时候，可以通过HColumnDescriptor.setMaxVersions(int maxVersions)设置表中数据的最大版本，如果只需要保存最新版本的数据，那么可以设置 setMaxVersions(1)。

4）Time To Live

创建表的时候，可以通过HColumnDescriptor.setTimeToLive(int timeToLive)设置表 中数据的存储生命期，过期数据将自动被删除，例如如果只需要存储最近两天的数据， 那么可以设置setTimeToLive(2 * 24 * 60 * 60)。