SQL数据库即非关系型数据库依托Hadoop分布式文件系统HDFS提供分布式数据存储利用MapReduce来处理海量数据用Zookeeper作为其分布式协同服务一般用于存储海量数据。

HDFS和HBase的区别在于HDFS是文件系统而HBase是数据库。

HBase只是一个NoSQL数据库把数据存在HDFS上。

可以把HBase当做是MySQL把HDFS当做是硬盘。

startkey

Server的管理者其实现为HRegionServer,主要作用有:

对于RegionServer的操作分配regions到每个RegionServer监控每个RegionServer的状态负载均衡和故障转移。

2Zookeeper

HBase通过Zookeeper来做Master的高可用、RegionServer的监控、元数据的入口以及集群配置的维护等工作。

3WAL

由于数据要经MemStore排序后才能刷写到HFile但把数据保存在内存中会有很高的概率导致数据丢失为了解决这个问题数据会先写入Write-Ahead

logfile的文件中然后再写入到Memstore中。

所以在系统出现故障的时候数据可以通过这个日志文件重建。

4MemStore

写缓存由于HFile中的数据要求是有序的所以数据是先存储在MemStore中排好序后等到达刷写时机才会刷写到HFile每次刷写都会形成一个新的HFile。

5StoreFile

保存实际数据的物理文件StoreFile以HFile的形式存储在HDFS上。

每个Store会有一个或多个StoreFile(HFile)数据在StoreFile上是有序的。

1Name

命名空间类似于关系型数据库的DataBase概念每个命名空间下有多个表。

HBase有两个自带的命名空间分别是hbase和defaulthbase中存放的是HBase的内置表default表示用户默认使用的命名空间。

2Region区域

类似于关系型数据库的表概念。

不同的是HBase定义表时只需要生命列簇即可不需要声明具体的列。

这意味着往HBase写入数据时字段可以动态、按需指定。

HBase表中的每行数据都由一个RowKey和多个Column(列)组成数据是按照RowKey的字典顺序存储的并且查询时智能根据RowKey进行检索所以RowKey的设计十分重要。

4Cloumn

Qualifier列限定符进行限定例如infonameinfoage。

建表时只需指明列簇而列限定符无需预先定义。

5Time

用于标识数据的不同版本version每条数据写入时如果不指定时间戳系统会自动为其加上该字段其值为写入HBase的时间。

HBASE

中通过rowkey和columns确定的为一个存贮单元称为cell。

每个

cell都保存

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

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。

(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

scan

Hbase是bigtable的开源山寨版本。

是建立的hdfs之上提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。

key)和主键的range来检索数据仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。

主要用来存储非结构化和半结构化的松散数据。

与hadoop一样Hbase目标主要依靠横向扩展通过不断增加廉价的商用服务器来增加计算和存储能力。

RowKey

与nosql数据库们一样,RowKey是用来检索记录的主键。

访问HBASE

3.全表扫描

(RowKey)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RowKey保存为字节数组。

存储时数据按照RowKey的字典序(byte

order)排序存储。

设计RowKey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)

Column

列族HBASE表中的每个列都归属于某个列族。

列族是表的schema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:historycourses:math都属于courses

Cell

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。

关键字无类型、字节码

Table表所有的表都是命名空间的成员即表必属于某个命名空间如果没有指定则在default默认的命名空间中。

RegionServer

Group。

Permission权限命名空间能够让我们来定义访问控制列表ACLAccess

Control

List。

例如创建表读取表删除更新等等操作。

Quota限额可以强制一个命名空间可包含的region的数量。

有命名空间

3、稀疏:对于为空(null)的列并不占用存储空间因此表可以设计的非常稀疏。

HBase储存结构详解

从上面的架构图可以看出HBase是建立在hadoop之上的,HBase底层依赖于HDFS。

HBase有3个重要的组件Zookeeper、HMaster、HRegionServer。

Zookeeper为整个HBase集群提供协助的服务HMaster主要用于监控和操作集群的所有RegionServer。

RegionServer主要用于服务和管理分区Regions

1、HDFS

HMaster是HBase集群架构中的主节点通常一个HBase集群存在多个HMaster节点,其中一个为Active

Master,其余为Backup

Hbase每时每刻只有一个HMaster主服务器程序在运行HMaster将region分配给HRegionServer协调HRegionServer的负载并维护集群的状态。

Hmaster不会对外提供数据服务而是由HRegionServer负责所有regions的读写请求及操作。

由于HMaster只维护表和region的元数据负责Region的分配及数据库的创建和删除等操作而不参与数据的输入/输出过程HMaster失效仅仅会导致所有的元数据无法被修改但表的数据读/写还是可以正常进行的。

A、调控Region

发现失效的HRegionServer并重新分配其上的Hregion通过监听zookeeper对于ephemeral

server,HRegionServer是HBase集群架构中的从节点

B、管理数据库

HRegionServer是HBase集群架构中的从节点HBase中的表是根据row

key的值水平分割成所谓的region的。

一个region包含表中所有row

server,HRegionServer是HBase集群架构中的从节点。

一些文章写的是Region

server、一些写的是HRegionServer两个意思都是一样的

一个HRegionServer会有多个HRegion和一个HLog。

HLog:预写入日志防止内存中数据丢失

HRegion表,一个HRegionServer可以维护多个HRegion习惯称为一个Region

维护HMaster分配给它的HRegion处理对这些HRegion的IO请求也就是说客户端直接和HRegionServer打交道。

4、HRegion

Region是HBase数据管理的基本单位每个HRegion由多个Store构成每个Store保存一个列族Columns

Family表有几个列族则有几个Store每个Store由一个MemStore和多个StoreFile组成MemStore是Store在内存中的内容写到文件后就是StoreFileStoreFile底层是以HFile的格式保存。

Region/Store/StoreFile/Hfile之间的关系

Region

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按大小分隔表中每一行只能属于一个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。

Store

每一个region有一个或多个store组成至少是一个storehbase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即有几个ColumnFamily也就有几个Store。

一个Store由一个memStore和0或多个StoreFile组成。

store的数据存储在两个地方MemStore和StoreFile

MemStore

HFile当memStore的大小达到一个阀值【默认64MB】时memStore会被flush到文件每次刷写都会形成一个新的

4、StoreFile

memStore内存中的数据写到文件后就是StoreFile即memstore的每次flush操作都会生成一个新的StoreFileStoreFile底层是以HFile的格式保存。

5、HFile

HFile是HBase中KeyValue数据的存储格式是hadoop的二进制格式文件。

一个StoreFile对应着一个HFile。

而HFile是存储在HDFS之上的。

zookeeper里边

namespace:table/rowkey查询出目标数据位于哪个

Region

FileHFile中查询目标数据并将查到的所有数据进行合并。

此处所有数据是指同一条数据的不同版本time

数据存储单元默认大小为

1、客户端先访问zookeeper获取Meta表位于那个region

server

server服务器根据请求的信息namespace:table/rowkey,在meta表中查询出目标数据位于哪个region

并将该表的region信息以及meta表的位置信息缓存到客户端的meta

4、将数据写入到WAL中

7、等达到memstore的刷写时机后将数据刷写到HFILE中

MemStore

1.当某个MemStore的大小达到了hbase.hregion.memstore.flush.size默认值

128M其所在

(对应的列簇)都会刷写。

将数据刷到硬盘将内存中的数据删除同时删除HLog中的历史数据

memstore当达到128M

n还没法触发flush时候会抛异常来拒绝写入。

两个相关参数的默认值如下

hbase.hregion.memstore.flush.size128M(默认)

hbase.hregion.memstore.block.multiplier4(默认)

2.当

hbase.regionserver.global.memstore.size默认值

0.4

hbase.regionserver.global.memstore.size.lower.limit默认值

0.95

java_heapsize*hbase.regionserver.global.memstore.size默认值

memstore

hbase.regionserver.optionalcacheflushinterval默认

4.当

hbase.regionserver.maxlogsregion

会按照时间顺序依次进行刷写直到

由于memstore每次刷写都会生成一个新的HFile且同一个字段的不同版本(timestamp)和不同类型(Put/Delete)有可能分布在不同的HFile中因此查询时需要遍历所有的HFile。

为了减少HFile的个数以及清除掉过期和删除的数据会进行StoreFile

Compaction和Major

Compaction会将临时的若干较小的HFile合并成一个较大的HFile但不会清理过期和删除的数据。

Major

Compaction会将一个Store下的所有HFile合并为一个大HFile并且会清理掉过期和删除的数据。

数据拆分Region

1.当1个region中的某个Store下所有StoreFile的总大小超过hbase.hregion.max.filesize该

Region

*“hbase.hregion.memstore.flush.size”,hbase.hregion.max.filesize)该

Region