【大数据学习笔记】HBase数据模型及架构简介

1、HBase简介

Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库；

利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务；

主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）；

2、HBase数据模型

rowkey	timestamp	cf1	cf2	cf3
00001	t5		cf2:q2=val2	cf3:q3=val4
	t3			cf3:q3=val3
	t1	cf1:q1=val1

2.1 rowkey

• 决定一行数据
• 按照字典顺序排序
• Row key只能存储64k的字节数据

2.2 column family - cf - 列族 及 qualifier - 列

• HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出，如 create ‘test’, ‘cf1’；
• 列名以列族作为前缀，每个“列族”都可以有多个列成员/qualifier；如course:math, course:english, 新的列族成员/列成员可以随后按需、动态加入；
• 权限控制、存储以及调优都是在列族层面进行的；
• HBase把同一列族里面的数据存储在同一目录下，由几个文件保存;

2.3 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。

2.4 cell - 单元格

• 由行和列的坐标交叉决定；
• 单元格是有版本的；
• 单元格的内容是未解析的字节数组；
  • 由{row key， column( =<family> +<qualifier>)， 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。

2.5 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；

3、HBase架构

3.1Client

• 包含访问HBase的接口并维护cache来加快对HBase的访问

3.2Zookeeper

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

3.3Master

• 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

3.4RegionServer

• 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

3.5Region

• 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（之所以连续是因为数据是有序的）
• 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。

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。

3.6Memstore 与 storefile

• 一个region由多个store组成，一个store对应一个CF（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（major），形成更大的storefile
• 当一个region所有storefile的大小和数量超过一定阈值后，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

每个Strore由一个memStore和0至多个StoreFile组成，StoreFile以HFile格式保存在HDFS上。