hbase结构化原理

– HBase – 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）

Hbase特性：

1. 强一致性读写: HBase 不是 “最终一致性(eventually consistent)” 数据存储这让它很适合高速计数聚合类任务。
2. 自动分片(Automatic sharding):HBase表通过region分布在集群中。数据增长时，region会自动分割并重新分布。
3. RegionServer 自动故障转移
4. Hadoop/HDFS 集成: HBase 支持本机外HDFS 作为它的分布式文件系统。
5. MapReduce: HBase 通过MapReduce支持大并发处理， HBase 可以同时做源和目标.
6. Java 客户端 API: HBase 支持易于使用的 Java API 进行编程访问.
7. Thrift/REST API:HBase 也支持Thrift和 REST 作为非Java 前端.
8. Block Cache 和 Bloom Filters: 对于大容量查询优化， HBase支持 Block Cache 和 Bloom Filters。
9. 运维管理: HBase提供内置网页用于运维视角和JMX 度量.

3、HBase数据模型

以关系型数据的思维下会感觉，上面的表格是一个5列4行的数据表格，但是在HBase中这种理解是错误的，其实在HBase中上面的表格只是一行数据；

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。

Info   address

Info:name  info:age  address:province address:city...

Column Family列族（CF1、CF2、CF3） & 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’, ‘course’；
• 列名以列族作为前缀，每个“列族”都可以有多个列成员(column，每个列族中可以存放几千~上千万个列)；如 CF1:q1, CF2:qw,新的列族成员（列）可以随后按需、动态加入，Family下面可以有多个Qualifier，所以可以简单的理解为，HBase中的列是二级列,也就是说Family是第一级列，Qualifier是第二级列。两个是父子关系。
• 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。
• 目前为止HBase的列族能能够很好处理最多不超过3个列族。

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(= +)，version}唯一确定的单元。

 

 

4、HBase体系架构

 

Memstore:缓存存储，在内存中。当client写入数据的时候，不直接操作hdfs，先将数据写入到wal，写入到memstore中，写完以后直接给客户端返回成功。Memstore中会存入所有的写入数据当memstore的阈值满了的时候，会一次性的刷新到磁盘中，形成storeFile,所以因为有memtore的存在，所以写入数据的操作非常快，近乎于实时写入

Client 
- 包含访问HBase的接口并维护cache来加快对HBase的访问

Hbase近乎于实时的读写client  block cache:二级缓存，读取数据先去block cache中找寻，如果没有再去hbase中查询，block cache缓存的并不是数据，寻址位置，进行存储hbase的数据，应该进行分割，横向的分割region，每个region的大小1G，hregionServer是子节点，并且存在于不同的机器上面，多个region在不同的regionServer中进行保存，client----table ---region---regionServer---机器上---client在查询的时候要找到相应的机器，第二步应该找到这个机器上的region的范围，

Client在查询一次以后就将相应的寻址位置进行存储，block cache中（查询实时）

 

 

 

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)：write ahead of 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

Hbase的基础存入单位region，一个表会在行的基础上进行切割，变成多个region，region是存放在regionServer中，所以一个表会跨多个regionServer每个regionServer中存放的region是平均的，一个region 1G，一个regionServer能够管理1000 region，region中存放的数据是按照列存储的，region在纵向切分为多个store进行存储，每个store存储的是一个列族。所以memstore storefile

hfile对应的东西都是一个列族的。一个行中的一列数据（cell），存放的数据是压入的，都放在memstore中，memstore在溢出的时候，会将数据溢写到磁盘上形成storeFile,同样的位置的数据。多个版本会进行合并，timestamp

• 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 （majar），形成更大的storefile。
• 当一个region所有storefile的大小和超过一定阈值后，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
• Block cache中找，寻址位置，找到region ---  store ---- memstore --- storefile
• 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。
• 每个Strore又由一个memStore和0至多个StoreFile组成。

 

 

– HBase – 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）

Hbase特性：

1. 强一致性读写: HBase 不是 “最终一致性(eventually consistent)” 数据存储这让它很适合高速计数聚合类任务。

2. 自动分片(Automatic sharding):HBase表通过region分布在集群中。数据增长时，region会自动分割并重新分布。

3. RegionServer 自动故障转移

4. Hadoop/HDFS 集成: HBase 支持本机外HDFS 作为它的分布式文件系统。

5. MapReduce: HBase 通过MapReduce支持大并发处理， HBase 可以同时做源和目标.

6. Java 客户端 API: HBase 支持易于使用的 Java API 进行编程访问.

7. Thrift/REST API:HBase 也支持Thrift和 REST 作为非Java 前端.

8. Block Cache 和 Bloom Filters: 对于大容量查询优化， HBase支持 Block Cache 和 Bloom Filters。

9. 运维管理: HBase提供内置网页用于运维视角和JMX 度量.

3、HBase数据模型

以关系型数据的思维下会感觉，上面的表格是一个5列4行的数据表格，但是在HBase中这种理解是错误的，其实在HBase中上面的表格只是一行数据；

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。

Info   address

Info:name  info:age  address:province address:city...

Column Family列族（CF1、CF2、CF3） & 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’, ‘course’；

· 列名以列族作为前缀，每个“列族”都可以有多个列成员(column，每个列族中可以存放几千~上千万个列)；如 CF1:q1, CF2:qw,新的列族成员（列）可以随后按需、动态加入，Family下面可以有多个Qualifier，所以可以简单的理解为，HBase中的列是二级列,也就是说Family是第一级列，Qualifier是第二级列。两个是父子关系。

· 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。

· 目前为止HBase的列族能能够很好处理最多不超过3个列族。

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(= +)，version}唯一确定的单元。

· 

4、HBase体系架构

 

Memstore:缓存存储，在内存中。当client写入数据的时候，不直接操作hdfs，先将数据写入到wal，写入到memstore中，写完以后直接给客户端返回成功。Memstore中会存入所有的写入数据当memstore的阈值满了的时候，会一次性的刷新到磁盘中，形成storeFile,所以因为有memtore的存在，所以写入数据的操作非常快，近乎于实时写入

Client 
- 包含访问HBase的接口并维护cache来加快对HBase的访问

Hbase近乎于实时的读写client  block cache:二级缓存，读取数据先去block cache中找寻，如果没有再去hbase中查询，block cache缓存的并不是数据，寻址位置，进行存储hbase的数据，应该进行分割，横向的分割region，每个region的大小1G，hregionServer是子节点，并且存在于不同的机器上面，多个region在不同的regionServer中进行保存，client----table ---region---regionServer---机器上---client在查询的时候要找到相应的机器，第二步应该找到这个机器上的region的范围，

Client在查询一次以后就将相应的寻址位置进行存储，block cache中（查询实时）

 

 

 

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)：write ahead of 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

Hbase的基础存入单位region，一个表会在行的基础上进行切割，变成多个region，region是存放在regionServer中，所以一个表会跨多个regionServer每个regionServer中存放的region是平均的，一个region 1G，一个regionServer能够管理1000 region，region中存放的数据是按照列存储的，region在纵向切分为多个store进行存储，每个store存储的是一个列族。所以memstore storefile

hfile对应的东西都是一个列族的。一个行中的一列数据（cell），存放的数据是压入的，都放在memstore中，memstore在溢出的时候，会将数据溢写到磁盘上形成storeFile,同样的位置的数据。多个版本会进行合并，timestamp

· 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 （majar），形成更大的storefile。

· 当一个region所有storefile的大小和超过一定阈值后，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

· Block cache中找，寻址位置，找到region ---  store ---- memstore --- storefile

· 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。

· 每个Strore又由一个memStore和0至多个StoreFile组成。