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)。

你可能感兴趣的:(HBase数据模型、实现原理及运行机制)