HBase基础

参考

• https://www.bilibili.com/video/BV1bC4y1b7Q1

HBase 简介

定义

HBase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库(k-v)。

数据量越大，优势越明显；数据量小，比较消耗内存，耗资源；数据量大的时候，可以做到几十亿条数据秒级查询；

HBase 是一个高可靠性、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 上搭建起大规模结构化存储集群。
HBase 的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。
HBase 是 Google Bigtable 的开源实现，但是也有很多不同之处。比如：Google Bigtable利用 GFS 作为其文件存储系统，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。
官网：http://habse.apache.org
逻辑上，HBase的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从HBase的底层物理存储结构（K-V)来看，HBase更像是一个multi-dimensional map(多维度map)。

HBase逻辑存储

画hbase结构的时候,一般画为表结构,但是事实上,在库中不是这样存储的,是k-v的,有唯一键.

一张表中:

• Row Key行键:
  • 表的key,必有的,在一张表中唯一,类似主键;
  • 是有序的;
  • 字典序:由小到大的,按位比较,有比没有大(1<11<2<3<4<45);
• 列:一张表中每一个字段就是一列,列可以动态增加;
• 列族:
  • HBASE在一个表中将很多列分成列族(图中分了personal_info和office_info两个列族);
  • 不同的列族放到不同的文件夹中存放;(相当于mysql中对于宽表的切分)
  • 实质:一张表会根据列族分为多个文件夹;
• 横向切分region:根据行键切分,切分时根据数据量进行切分

HBase是要存海量数据的,几百列,几十亿行,因此要将数据分列族,分region,提高查询速度
图片中表被切为了6块,3行2列

• 列:根据列族切分
• 行:根据行键切分

高表:数据行多
宽表:数据列多

• store:真正存的内容,真正在HBase表中存的数据

HBase物理存储

这一部分才是真正存储的内容;

存储的时候,每一行都存储为右下角的那种格式,使用Row Key作为唯一主键;

• Row Key:唯一键
• column Family:列族
• column qualifier
• timestamp:时间戳,操作时间
• type:类型
  • Put:插入
  • Delete:删除
• value:值

可以看到,图中phone的有两行,key一样,时间戳和value不一样;

其实这是进行了修改操作;

• 修改:其实是重新put了一条数据,获取的时候获取最大的时间戳的
• 删除:插入一条删除记录,若是获取的时候删除操作大,代表删除了

HBase数据模型

• Name Space
  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default,hbase中存放的是HBase内置的表(可以创建表,但是最好不要)，default表是用户默认使用的命名空间。
• Region
  类似于关系型数据库的表概念。不同的是，HBase定义表时只需要声明列族即可，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。因此，和关系型数据库相比，HBase能够轻松应对字段变更的场景。

hbase的列就相当于数据

• Row:行
  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，并且查询数据时只能根据RowKey进行检索，所以RowKey的设计十分重要。
  

• Column:列
  HBase中的每个列都由Column Family(列族）和Column Qualifier(列限定符)进行限定，例如``info:name,info:age`(列族:具体列)。建表时，只需指明列族，而列限定符无需预先定义。

• Time Stamp
  用于标识数据的不同版本（version)(除了这个和value和type可以不一样,其他必须一样,才代表同一条数据),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。

• Cell(一个单元格)
  由{rowkey,column Family:column Qualifier,time Stamp}唯一确定的单元(时间戳确定了版本)。cell中的数据是没有类型的，全部是**字节码(byte[])**形式存贮。

HBase基本架构

数据存储在 Store 中，一个 Store 对应 HBase 表中的一个列族。

• RegionServer
  • 数据的get/put/delete(查/增/删)
  • Regioan表的:splitRegion(切分), compactRegion(合并)
• master:依赖于Zookeeper,管理集群
  • 管理表:create创建/delete删除/alter修改/查询/描述
  • 管理RegionServer:分配regions到每个RegionServer,监控每个RegionServer的状态

• master高可用
• 为 RegionServer 分配 Region
• 维护整个集群的负载均衡
• 维护集群的元数据信息
• 发现失效的 Region，并将失效的 Region 分配到正常的 RegionServer 上
• 当 RegionSever 失效的时候，协调对应 Hlog 的拆分

• Zookeeper
  • 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。具体工作如下：
    • 通过 Zoopkeeper 来保证集群中只有 1 个 master 在运行，如果 master 异常，会通过竞争机制产生新的 master 提供服务
    • 通过 Zoopkeeper 来监控 RegionServer 的状态，当 RegionSevrer 有异常的时候，通过回调的形式通知 Master RegionServer 上下线的信息
    • 通过 Zoopkeeper 存储元数据的统一入口地址

Hbase 特点

• 海量存储
  Hbase 适合存储 PB 级别的海量数据，在 PB 级别的数据以及采用廉价 PC 存储的情况下，能在几十到百毫秒内返回数据。这与 Hbase 的极易扩展性息息相关。正式因为 Hbase 良好的扩展性，才为海量数据的存储提供了便利。
• 列式存储
  这里的列式存储其实说的是列族存储，Hbase 是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。
• 极易扩展
  Hbase 的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
  通过横向添加 RegionSever 的机器，进行水平扩展，提升 Hbase 上层的处理能力，提升 Hbsae
  服务更多 Region 的能力。

备注：RegionServer 的作用是管理 region、承接业务的访问，这个后面会详细的介绍通过横向添加 Datanode 的机器，进行存储层扩容，提升 Hbase 的数据存储能力和提升后端存储的读写能力。

• 高并发
  由于目前大部分使用 Hbase 的架构，都是采用的廉价 PC，因此单个 IO 的延迟其实并不小，一般在几十到上百 ms 之间。这里说的高并发，主要是在并发的情况下，Hbase 的单个IO 延迟下降并不多。能获得高并发、低延迟的服务。
• 稀疏
  稀疏主要是针对 Hbase 列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。