0
点赞
收藏
分享

微信扫一扫

#yyds干货盘点# 大数据技术栈之HBase架构总结

狐沐说 2022-02-07 阅读 104

简介

HBase是一个分布式的、持久的、强一致性的存储系统,支持特定列族切换可选压缩算法

HBase继承自BigTable模型,提供过滤器功能,建少网络传输的数据量

HBase使用的文件系统不至HDSF,还可以少本地文件、Amazon S3等

中文文档:​​http://hbase.org.cn/​​


HBase数据模型

Namespace:

  • 命名空间,可以理解的mysql的database


Row Key:

  • 决定一行数据的唯一标识
  • RowKey是按照字典顺序排序的。
  • Row key最多只能存储64k的字节数据。

列族和列:

  • HBase按列族存储数据,列族下面可定义多个列,可以按类别对列进行列族,比如用户表把用户的常用信息列定义在一个列族下。
  • 权限控制、存储以及调优都是在列族层面进行的

Timestamp时间戳:

  • 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一的时间戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,最新的数据版本排在最前面。
  • 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。

Cell单元格:

  • 由行和列的坐标交叉决定;
  • 单元格是有版本的(由时间戳来作为版本);
  • 单元格的内容是未解析的字节数组(Byte[]),cell中的数据是没有类型的,全部是字节码形式存贮。
  • 由{row key,column(=<列族> +<列>),version}唯一确定的单元。


架构

#yyds干货盘点# 大数据技术栈之HBase架构总结_数据

Client

  • 包含访问HBase的接口并维护cache来加快对HBase的访问(client会缓存数据,批量提交,默认2M,可自定义)

Zookeeper


  • 保证任何时候,集群中只有一个master
  • 存贮所有Region的寻址入口。
  • 实时监控Region server的上线和下线信息。并实时通知Master
  • 存储HBase的schema和table元数据

Master


  • 为Region server分配region
  • 负责Region server的负载均衡
  • 发现失效的Region server并重新分配其上的region
  • 管理用户对table的增删改操作

RegionServer


  • Region server维护region,处理对这些region的IO请求
  • Region server负责切分在运行过程中变得过大的region

HLog(WAL log):


  • HLog文件就是一个普通的Hadoop Sequence File,Sequence File 的Key是HLogKey对象,HLogKey中记录了写入数据的归属信息,除了table和 region名字外,同时还包括sequence number和timestamp,timestamp是” 写入时间”,sequence number的起始值为0,或者是最近一次存入文件系 统中sequence number。
  • HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的 KeyValue

Region


  • HBase自动把表水平划分成多个区域(region),每个region会保存一个表里面某段连续的数据;每个表一开始只有一个region,随着数据不断插入表,region不断增大,当增大到一个阀值的时候,region就会等分会 两个新的region(裂变);
  • 当table中的行不断增多,就会有越来越多的region。这样一张完整的表 被保存在多个Regionserver上。

Memstore 与 storefile


  • 一个region由多个store组成,一个store对应一个列族
  • store包括位于内存中的memstore和位于磁盘的storefile写操作先写入memstore,当memstore中的数据达到某个阈值,hregionserver会启动flashcache进程写入storefile,每次写入形成单独的一个storefile
  • 当storefile文件的数量增长到一定阈值后,系统会进行合并(minor、 major compaction),在合并过程中会进行版本合并和删除工作 (majar),形成更大的storefile。
  • 当一个region所有storefile的大小和超过一定阈值后,会把当前的region分割为两个,并由hmaster分配到相应的regionserver服务器,实现负载均衡。
  • 客户端检索数据,先在memstore找,找不到再找storefile
  • HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion可以分布在不同的HRegion server上。
  • HRegion由一个或者多个Store组成,每个store保存一个columns family。
  • 每个Strore又由一个memStore和0至多个StoreFile组成。地被持久化到硬盘上。


  • HFile

    • HFile是数据存储的实际载体,我们创建的所有表、列等数据都存储在HFile里面。当Memstore达到一定阀值,或者达到了刷写时间间隔阀值的时候,HBaes会被这个Memstore的内容刷写到HDFS系统上,称为一个存储在硬盘上的HFile文件。至此,我们数据真正地被持久化到硬盘上。



    参考:https://www.jianshu.com/p/3832ae37fac4








    举报

    相关推荐

    0 条评论