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
- 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
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