datax hbase 动态列簇 hbase列簇本质

文章目录

• 一、HBase简介

• 1.1 HBase定义
• 1.2 HBase特点
• 1.3 HBase数据模型
• 1.4 HBase基本架构
• 1.5 HBase完整架构
• 1.6 HBase Meta表

• 二、HBase安装
• 三、HBase进阶原理

• 3.1 写流程
• 3.2 读流程
• 3.3 MemStore Flush
• 3.4 StoreFile Compaction
• 3.5 Region Split

一、HBase简介

1.1 HBase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。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。

1.2 HBase特点

1. 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。
2. 列式存储
   这里的列式存储其实说的是列族（ColumnFamily）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。
3. 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HBase服务更多Region的能力。
4. 高并发（多核）
   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。
5. 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。

1.3 HBase数据模型

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。

①HBase逻辑结构

• 列族：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，不同的列族数据存储在不同的位置。通过列族可以将宽表进行拆分。
• Region：Region类似于分区，将同一张的数据进行拆分。通过Region可以将高表进行拆分。
• Row key：类似于索引，Row key是有序的，根据字典顺序进行排序。
• 列：纵向数据
• store：数据存储在store中，一个store对应HBase表中的一个列族

②HBase物理存储结构

③数据模型

1. 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，default表是用户默认使用的命名空间。
2. 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。
3. Row
   HBase表中的每行数据都由一一个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。
4. Column
   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。建表时，只需指明列族，而列限定符无需预先定义。。
5. Time Stamp
   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。
6. Cell
   由{rowkey, column Family: column Qualifier, time Stamp}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。

1.4 HBase基本架构

不完整版：

RegionServer的作用

• Data（数据级别）：get，put，delete
• Region：splitRegion（切）， compactRegion（合）

Master的作用

• Table（表级别）：create，delete，alter
• RegionServer：分配regions到每 个RegionServer，监控每个RegionServer的状态。

1.5 HBase完整架构

从图中可以看出HBase是由Client、Zookeeper、Master、HRegionServer、HDFS等几个组件组成，下面来介绍一下几个组件的相关功能：

①Client

Client包含了访问HBase的接口，另外Client还维护了对应的cache来加速HBase的访问，比如cache的.META元数据的信息。

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。具体工作如下：

• 通过Zookeeper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Zookeeper来监控RegionServer的状态，当RegionServer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Zookeeper存储元数据的统一入口地址

③HMaster（类似NameNode）

master节点的主要职责如下：

• 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RegionServer失效的时候，协调对应Hlog的拆分

④HregionServer（类似DataNode）

HregionServer直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：

• 管理master为其分配的Region
• 处理来自客户端的读写请求
• 负责和底层HDFS的交互，存储数据到HDFS
• 负责Region变大以后的拆分
• 负责Storefile的合并工作

⑤HDFS

HDFS为HBase提供最终的底层数据存储服务，同时为HBase提供高可用（Hlog存储在HDFS）的支持，具体功能概括如下：

• 提供元数据和表数据的底层分布式存储服务
• 数据多副本，保证的高可靠和高可用性

⑥Region

HBase表的分片，HBase表会根据RowKey值被切分成不同的region存储在RegionServer中，在一个RegionServer中可以有多个不同的Region。

⑦HFile

这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile是以HFile的形式存储在HDFS的。

⑧Store

HFile存储在Store中，一个Store对应HBase表中的一个列族。

⑨MemStore

内存存储存当前的数据操作，所以当数据保存在WAL中之后，RegsionServer会在内存中存储键值对。

⑩WAL（Write-Ahead logs）

当对HBase读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入内存中。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。

1.6 HBase Meta表

HBase有一个叫做Meta的特殊的目录表，用于保存集群中Regions的位置信息（Region列表）。ZooKeeper存储着Meta表的位置。

二、HBase安装

前提：Hadoop集群和ZooKeeper集群的正常启动。

①HBase的解压

[root@hadoop100 software]# tar -zxvf hbase-1.3.1-bin.tar.gz -C /opt/module

②修改hbase-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144
export HBASE_MANAGES_ZK=false

③修改hbase-site.xml

<property>     
		<name>hbase.rootdir</name>     
		<value>hdfs://hadoop100:9000/hbase</value>   
	</property>

	<property>   
		<name>hbase.cluster.distributed</name>
		<value>true</value>
	</property>

   <!-- 0.98后的新变动，之前版本没有.port,默认端口为60000 -->
	<property>
		<name>hbase.master.port</name>
		<value>16000</value>
	</property>

	<property>   
		<name>hbase.zookeeper.quorum</name>
	     <value>hadoop100:2181,hadoop101:2181,hadoop102:2181</value>
	</property>

	<property>   
		<name>hbase.zookeeper.property.dataDir</name>
	     <value>/opt/module/zookeeper-3.4.10/zkData</value>
	</property>

④修改regionservers

hadoop100
hadoop101
hadoop102

⑤软连接hadoop配置文件到hbase

[root@hadoop100 module]# ln -s /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml 
/opt/module/hbase-1.3.1/conf/core-site.xml

[root@hadoop100 module]# ln -s /opt/module/hadoop-2.7.2/etc/hadoop/hdfs-site.xml 
/opt/module/hbase-1.3.1/conf/hdfs-site.xml

⑥分发HBase

[root@hadoop100 module]# xsync hbase-1.3.1

⑦HBase服务的启动

启动方式1：

[root@hadoop100 module]# bin/hbase-daemon.sh start master
[root@hadoop100 module]# bin/hbase-daemon.sh start regionserver

启动方式2：

[root@hadoop100 hbase-1.3.1]$ bin/start-hbase.sh

停止：

[root@hadoop100 hbase-1.3.1]$ bin/stop-hbase.sh

提示：如果集群之间的节点时间不同步，会导致regionserver无法启动，抛出ClockOutOfSyncException异常。

解决①(推荐)：集群内时间同步：参考

解决②：hbase-site.xml中属性：hbase.master.maxclockskew设置更大的值

<property>
	<name>hbase.master.maxclockskew</name>
	<value>180000</value>
	<description>Time difference of regionserver from master</description>
</property>

启动成功后，访问http://hadoop102:16010进入HBase管理页面：

三、HBase进阶原理

3.1 写流程

1. Client先访问ZooKeeper，获取hbase:meta表位于哪个RegionServer；
2. 访问对应的RegionServer，获取hbase:meta表，根据读请求的namespace:table/rowkey，查询出目标数据位于哪个Region Server中的哪个Region中。并将该table的region信息以及meta表的位置信息缓存在客户端的meta cache，方便下次访问；
3. 与目标RegionServer进行通讯；
4. 将数据顺序写入(追加)到WAL；
5. 将数据写入对应的MemStore，数据会在MemStore进行排序；
6. 向客户端发送ack；
7. 等达到MemStore的刷写时机后，将数据刷写到HFile。

3.2 读流程

1. Client先访问ZooKeeper，获取hbase:meta表位于哪个RegionServer；
2. 访问对应的RegionServer，获取hbase:meta表，根据读请求的namespace:table/rowkey，查询出目标数据位于哪个Region Server中的哪个Region中。并将该table的region信息以及meta表的位置信息缓存在客户端的meta cache，方便下次访问；
3. 查询数据，如果Block Cache没有对应数据，同时读取内存（MemStore）和磁盘（StoreFile）中的数据（并将磁盘的数据缓存到Block Cache，LRU算法），比较时间戳返回对应的数据。
4. 如果Block Cache有对应数据，直接比较和MemStore中数据的最大时间戳，返回该数据。

3.3 MemStore Flush

MemStore数据达到阈值，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刷写时机：

1. 当某个MemStore的大小达到了hbase.hregion.memstore.flush.size (默认值128M），其所在Region的所有MemStore都会刷写。
2. RegionServer中的MemStore大小超过hbase.regionserver.global.memstore.size（默认大小为堆大小的40%）
3. 到达自动刷写的时间也会触发MemStore Flush，自动刷新的时间间隔由该属性进行配置hbase.regionserver.optionalcacheflushinterval (默认1小时)。

3.4 StoreFile Compaction

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)有可能会分布在不同的HFile中，因此查询时需要遍历所有的HFile。为了减少HFile的个数，以及清理掉过期和删除的数据，会进行StoreFile Compaction。

Compaction分为两种，分别是Minor Compaction和Major Compaction。Minor Compaction会将临近的若干个较小的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下的所有的HFile合并成一个大HFile，并且会清理掉过期和删除的数据。

StoreFile Compaction触发时机：当数据块达到 4 块，Hmaster触发合并操作，Region将数据块加载到本地，进行合并；当合并的数据超过 256M，进行拆分，将拆分后的Region分配给不同的HRegionServer管理（一个表中的Region就会被不同的HRegionServer管理，分布式存储，高可用容灾）； 当 HRegionServer宕机后，将 HRegionServer上的HLog拆分，然后分配给不同的HRegionServer加载，修改.META.；

3.5 Region Split

默认情况下，每个Table起初只有一个Region，随着数据的不断写入，Region会自动进行拆分。刚拆分时，两个子Region都位于当前的Region Server，但处于负载均衡的考虑，HMaster有可能会将某个Region转移给其他的RegionServer。

Region Split时机：

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就会进行拆分(0.94 版本之前)。
2. 当1个Region中的某个Store下所有StoreFile的总大小超过Min(R^2 * "hbase.hregion.memstore.flush.size",hbase.hregion.max.filesize")，该Region就会进行拆分，其中R为当前Region Server中属于该Table的个数(0.94 版本之后)。