详解HBase架构原理及安装部署步骤

一、什么是HBase

  HBase 是一个高可靠、高性能、面向列、可伸缩的分布式存储系统,利用Hbase技术可在廉价PC Server上搭建 大规模结构化存储集群。

 HBase 是Google Bigtable 的开源实现,与Google Bigtable 利用GFS作为其文件存储系统类似, HBase 利用Hadoop HDFS 作为其文件存储系统;Google 运行MapReduce 来处理Bigtable中的海量数据, HBase 同样利用Hadoop MapReduce来处理HBase中的海量数据;Google Bigtable 利用Chubby作为协同服务, HBase 利用Zookeeper作为对应。

二、HBase 设计模型

   HBase 中的每一张表就是所谓的 BigTable。BigTable 会存储一系列的行记录,行记录有三个基本类型的定义:Row Key、Time Stamp、Column。

1、Row Key 是行在 BigTable 中的唯一标识。

2、Time Stamp 是每次数据操作对应关联的时间戳,可以看做 SVN 的版本。

3、Column 定义为< family>:< label>,通过这两部分可以指定唯一的数据的存储列,family 的定义和修改需要 对 HBase 进行类似于 DB 的 DDL 操作,而 label ,不需要定义直接可以使用,这也为动态定制列提供了一种手段 。family 另一个作用体现在物理存储优化读写操作上,同 family 的数据物理上保存的会比较临近,因此在业务设计的过程中可以利用这个特性。

1、逻辑存储模型

   HBase 以表的形式存储数据。表由行和列组成。列划分为若干个列族(row family),如下图所示。
        详解HBase架构原理及安装部署步骤_第1张图片

下面是对表中元素的详细解析:
Row Key

与nosql数据库们一样,row key是用来检索记录的主键。访问hbase table中的行,只有三种方式:

1 通过单个row key访问

2 通过row key的range

3 全表扫描

Row key行键 (Row key)可以是任意字符串(最大长度是 64KB,实际应用中长度一般为 10-100bytes),在hbase内部,row key保存为字节数组。

存储时,数据按照Row key的字典序(byte order)排序存储。设计key时,要充分排序存储这个特性,将经常一起读取的行存储放到一起。(位置相关性)

注意:
1、字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序,行键必须用0作左填充。
2、行的一次读写是原子操作 (不论一次读写多少列)。

列族

  hbase表中的每个列,都归属与某个列族。列族是表的chema的一部分(而列不是),必须在使用表之前定义。列名都以列族作为前缀。例如courses:history , courses:math 都属于 courses 这个列族。

  访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中,列族上的控制权限能 帮助我们管理不同类型的应用:我们允许一些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继承的列族、一些应用则只允许浏览数据(甚至可能因 为隐私的原因不能浏览所有数据)。

时间戳

  HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值,此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。每个 cell中,不同版本的数据按照时间倒序排序,即最新的数据排在最前面。

为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担,hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本,二是保存最近一段时间内的版本(比如最近七天)。用户可以针对每个列族进行设置。

Cell

由{row key, column( = + ), version} 唯一确定的单元。cell中的数据是没有类型的,全部是字节码形式存贮。

2、物理存储模型

  Table 在行的方向上分割为多个HRegion,每个HRegion分散在不同的RegionServer中。
      详解HBase架构原理及安装部署步骤_第2张图片
  每个HRegion由多个Store构成,每个Store由一个memStore和0或多个StoreFile组成,每个Store保存一个Columns Family 
      详解HBase架构原理及安装部署步骤_第3张图片

StoreFile以HFile格式存储在HDFS中。

三、HBase 存储架构

  从HBase的架构图上可以看出,HBase中的存储包括HMaster、HRegionServer、HRegion、Store、MemStore、StoreFile、HFile、HLog等, 以下是 HBase 存储架构图:
  
详解HBase架构原理及安装部署步骤_第4张图片  

  HBase中的每张表都通过行键按照一定的范围被分割成多个子表(HRegion),默认一个HRegion超过256M就要被分割成两个,这个过程由HRegionServer管理,而HRegion的分配由HMaster管理。

HMaster的作用:
   1、 为Region server分配region。
  
   2、 负责Region server的负载均衡。

   3、发现失效的Region server并重新分配其上的region。

  4、 HDFS上的垃圾文件回收。

   5、 处理schema更新请求。

HRegionServer作用:
  
   1、 维护master分配给他的region,处理对这些region的io请求。

   2、 负责切分正在运行过程中变的过大的region。

   可以看到,client访问hbase上的数据并不需要master参与(寻址访问zookeeper和region server,数据读写访问region server),master仅仅维护table和region的元数据信息(table的元数据信息保存在zookeeper上),负载很低。 HRegionServer存取一个子表时,会创建一个HRegion对象,然后对表的每个列族创建一个Store实例,每个Store都会有一个MemStore和0个或多个StoreFile与之对应,每个StoreFile都会对应一个HFile, HFile就是实际的存储文件。因此,一个HRegion有多少个列族就有多少个Store。 一个HRegionServer会有多个HRegion和一个HLog。

HRegion

  table在行的方向上分隔为多个Region。Region是HBase中分布式存储和负载均衡的最小单元,即不同的region可以分别在不同的Region Server上,但同一个Region是不会拆分到多个server上。

  Region按大小分隔,每个表一般是只有一个region。随着数据不断插入表,region不断增大,当region的某个列族达到一个阈值(默认256M)时就会分成两个新的region。

   1、< 表名,startRowkey,创建时间>

   2、由目录表(-ROOT-和.META.)记录该region的endRowkey

   HRegion定位:Region被分配给哪个Region Server是完全动态的,所以需要机制来定位Region具体在哪个region server。
   HBase使用三层结构来定位region:

   1、 通过zk里的文件/hbase/rs得到-ROOT-表的位置。-ROOT-表只有一个region。

  2、通过-ROOT-表查找.META.表的第一个表中相应的region的位置。其实-ROOT-表是.META.表的第一个region;.META.表中的每一个region在-ROOT-表中都是一行记录。
  
 3、通过.META.表找到所要的用户表region的位置。用户表中的每个region在.META.表中都是一行记录。

   -ROOT-表永远不会被分隔为多个region,保证了最多需要三次跳转,就能定位到任意的region。client会将查询的位置信息保存缓存起来,缓存不会主动失效,因此如果client上的缓存全部失效,则需要进行6次网络来回,才能定位到正确的region,其中三次用来发现缓存失效,另外三次用来获取位置信息。
  
Store
  
  每一个region由一个或多个store组成,至少是一个store,hbase会把一起访问的数据放在一个store里面,即为每个ColumnFamily建一个store,如果有几个ColumnFamily,也就有几个Store。一个Store由一个memStore和0或者多个StoreFile组成。 HBase以store的大小来判断是否需要切分region。 
  
MemStore

  memStore 是放在内存里的。保存修改的数据即keyValues。当memStore的大小达到一个阀值(默认64MB)时,memStore会被flush到文件,即生成一个快照。目前hbase 会有一个线程来负责memStore的flush操作。
  
StoreFile

   memStore内存中的数据写到文件后就是StoreFile,StoreFile底层是以HFile的格式保存。
HFile

   HBase中KeyValue数据的存储格式,是hadoop的二进制格式文件。 首先HFile文件是不定长的,长度固定的只有其中的两块:Trailer和FileInfo。Trailer中有指针指向其他数据块的起始点,FileInfo记录了文件的一些meta信息。 Data Block是hbase io的基本单元,为了提高效率,HRegionServer中有基于LRU的block cache机制。每个Data块的大小可以在创建一个Table的时候通过参数指定(默认块大小64KB),大号的Block有利于顺序Scan,小号的Block利于随机查询。每个Data块除了开头的Magic以外就是一个个KeyValue对拼接而成,Magic内容就是一些随机数字,目的是防止数据损坏,结构如下。
 详解HBase架构原理及安装部署步骤_第5张图片
HFile结构图如下:
详解HBase架构原理及安装部署步骤_第6张图片

  Data Block段用来保存表中的数据,这部分可以被压缩。 Meta Block段(可选的)用来保存用户自定义的kv段,可以被压缩。 FileInfo段用来保存HFile的元信息,不能被压缩,用户也可以在这一部分添加自己的元信息。 Data Block Index段(可选的)用来保存Meta Blcok的索引。 Trailer这一段是定长的。保存了每一段的偏移量,读取一个HFile时,会首先读取Trailer,Trailer保存了每个段的起始位置(段的Magic Number用来做安全check),然后,DataBlock Index会被读取到内存中,这样,当检索某个key时,不需要扫描整个HFile,而只需从内存中找到key所在的block,通过一次磁盘io将整个 block读取到内存中,再找到需要的key。DataBlock Index采用LRU机制淘汰。 HFile的Data Block,Meta Block通常采用压缩方式存储,压缩之后可以大大减少网络IO和磁盘IO,随之而来的开销当然是需要花费cpu进行压缩和解压缩。(备注: DataBlock Index的缺陷。 a) 占用过多内存 b) 启动加载时间缓慢)

HLog
  HLog(WAL log):WAL意为write ahead log,用来做灾难恢复使用,HLog记录数据的所有变更,一旦region server 宕机,就可以从log中进行恢复。
LogFlusher
  定期的将缓存中信息写入到日志文件中
LogRoller 
   对日志文件进行管理维护  

四、Hbase 的部署安装步骤

安装 HBase 有两种方式,单机安装和分布式安装。

1、 单机安装

   HBase 需要再 Hadoop 环境运行,因此安装HBase 的前提是必须安装 Hadoop 环境。Hadoop 环境的安装可以参考 http://blog.csdn.net/u010330043/article/details/51235373。下载与Hadoop2.2.0 相匹配的hbase-0.98.11-hadoop2-bin.tar.gz 软件包。
  
HBase 的安装步骤如下所示。

步骤一 解压hbase-0.98.11-hadoop2-bin.tar.gz 到指定的目录下(这里是在/usr/java),并将权限分配给hadoop用户(运行hadoop的账户)。

这里下载的是hbase-0.98.11-hadoop2,Hadoop集群使用的是2.2.0,将其解压到/usr/java下并重命名为 hbase

[root@cs0 java]$ tar -zxvf hbase-0.98.11-hadoop2-bin.tar.gz
[root@cs0 java]$ mv hbase-0.98.11-hadoop2 hbase
[root@cs0 java]$ chown -R hadoop:hadoop hbase

步骤二 配置 HBase 的环境变量到 /etc/profile 文件中。

[root@cs0 java]$ vi /etc/profile
HBASE_HOME=/usr/java/hbase
PATH=$JAVA_HOME/bin:$HIVE_HOME/bin:$HADOOP_HOME/bin:$HBASE_HOME/bin:$PATH

使配置文件立即生效。

[root@cs0 tmp]# source /etc/profile

步骤三 修改 conf/hbase-env.sh。

       1) 去掉 JAVA_HOME 前的 “#”,并将其修改成自己安装的 Java 路径。

        2) 去掉 HBASE_MANAGES_ZK 前的 “#”,并设置其值为 true(HBase 管理自己的 ZooKeeper,这样就不需要安装 ZooKeeper)。

步骤四 打开 conf/hbase-site.xml,添加如下内容。

  hbase.rootdir 需要与之前安装的 Hadoop 目录下 conf/core-site.xml 文件中的 fs.default.name 属性值对应。

fs.default.name 设置为hdfs://ywendeng:9000/
hbase.rootdir 设置为hdfs://ywendeng:9000/hbase
hbase.ZooKeeper.quorum 设置为 ywendeng
hbase.tmp.dir 设置为之前创建的 tmp 目录:/usr/java/hbase/tmp

代码如下:
<configuration>
<property>
    <name>fs.default.name</name>
    <value>hdfs://cs:9000/</value>
</property>
<property>
    <name>hbase.rootdir</name>
    <value>hdfs://cs:9000/hbase</value>
</property>
<property>
    <name>hbase.ZooKeeper.quorum</name>
    <value>cs</value>
</property>
<property>
    <name>hbase.tmp.dir</name>
    <value>/home/hadoop/data/hbase_${user.name}</value>
</property>
</configuration>

步骤五 启动HBase(前提已经启动 Hadoop)。

[hadoop@cs0 conf]$ start-hbase.sh

步骤六 在Hbase启动成功之后,在浏览器中输入网址 192.168.80.128:60010(备注: 192.168.1.128 为安装HBase 虚拟机的IP地址)

2、分布式安装

步骤一 上传hbase安装包

步骤二 解压

步骤三 配置hbase集群,要修改3个文件(首先zk集群已经安装好了)
注意:要把hadoop的hdfs-site.xml和core-site.xml 放到hbase/conf下


    1、vim hbase-env.sh
    export JAVA_HOME=/usr/java/jdk1.7.0_55
    //告诉hbase使用外部的zk
    export HBASE_MANAGES_ZK=false
2、vim hbase-site.xml
    <configuration>
        <!-- 指定hbase在HDFS上存储的路径 -->
        <property>
                <name>hbase.rootdir</name>
                <value>hdfs://ns1/hbase</value>
        </property>
        <!-- 指定hbase是分布式的 -->
        <property>
                <name>hbase.cluster.distributed</name>
                <value>true</value>
        </property>
        <!-- 指定zk的地址,多个用“,”分割 -->
        <property>
                <name>hbase.zookeeper.quorum</name>
                <value>cs3:2181,cs4:2181,cs5:2181</value>
        </property>
    </configuration>
3、vim regionservers
    cs3
    cs4
    cs5
4、拷贝hbase到其他节点
        scp -r  app/hbase-0.96.2-hadoop2/ cs2:/home/hadoop/app/
        scp -r app/hbase-0.96.2-hadoop2/  cs3: /home/hadoop/app/
        scp -r app/hbase-0.96.2-hadoop2/  cs4: /home/hadoop/app/
        scp -r app/hbase-0.96.2-hadoop2/  cs5: /home/hadoop/app/

步骤四 启动所有的hbase

分别启动zk
./zkServer.sh start 启动hbase集群 start-dfs.sh 启动hbase,在主节点上运行: start-hbase.sh

步骤五 通过浏览器访问hbase管理页面

192.168.80.128:60010

步骤六 为保证集群的可靠性,要启动多个HMaster

 hbase-daemon.sh start master

你可能感兴趣的:(hbase,逻辑存储结构,HBase架构,安装部署步骤)