大数据学习系列之—HBASE
- hadoop生态系统
zookeeper负责协调 hbase必须依赖zookeeper
flume 日志工具
sqoop 负责 hdfs dbms 数据转换 数据到关系型数据库转换
大数据学习群119599574
- 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作为其分布式系统服务
- 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）
hbase数据模型
ROW KEY
- 决定一行数据
- 按照字段顺序排序
- Row key只能存储64k的字节数据
Column Family列族 &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定义的一部分给出 如create 'test';
- 列名以列族作为前缀，每个“列族”都可以y9uo多个列成员column，如test:testfirst,新的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
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；
- 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。
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。
HBase 架构
client
- 包含访问HBase的接口并维护cache来加快对HBase的访问
zookeeper
- 保证任何时候，集群中只有一个master
- 存储所有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并重新分配骑上的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
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，当增大到一个阈值时，region就会分为两个新的region(裂变）
- 当table中的行不断增多，就会有越来越多的region。这样一张完整的表保存在多个regionServer上。
大数据学习群119599574
Memstore与storefile
- 一个region由多个store组成，一个store对应一个列族（cf）
- 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flashcacher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，系统会进程合并 （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regjion分割为两个，并由hmaster分配到相应的regionserver服务器，达到负载均衡
- 客户端检索数据，现在memstore找，找不到再找storefile
HRegion
- 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可以分布在不通的HRegion server上
- HRegion 由一个或者多个Store组成，每个store保存一个column family
- 每个Store又由一个memStore和0至多个StoreFile组成。 StoreFIle 以HFILe格式保存于HDFS上。
