大数据学习路线Hbase总结,为什么有hbase 随着数据的逐渐增大,传统的关系型数据库无法满足对数据的查询和存储,而hive不是数据库,只是数据仓库,虽然能够满足简单的存储要求,但是始终无法满足对非结构化和半结构化的数据的存储和查询 2hbase是什么 Hbase是阿帕奇旗下的一款开源的,多版本的,可扩展的非关系型数据库。 他是基于谷歌的bigtable的基础上,建立在hdfs上的一款提供高 可靠性的,高性能的列式存储,可伸缩,实时读写的nosql的数据库系统 3适用场景 海量数据存储 随机实时读写和管理数据 4特点 列式存储 模式:无模式(不需要use gp1808,就可以直接创建表了,所以导致hbase中的表是不可以重名的) 数据类型:单一的byte[] 多版本(version):每个值都可以有多个版本 稀疏存储:如果kv为null,则不占用存储空间 5结构框架 Client: hbase的客户端,包含访问的hbase的接口(linux shell ,java api) 维护一些cache(缓存)来加速hbase的速度,比如region的位置信息 Zookeeper: 监控hmaster的状态,保证有且只有一个active的hmaster,达到高可用 存储所有的region的寻址入口, 实时监控hregionserver的状态,将regionserrver的上下线信息实时通知给hmaster 存储hbase的所有表的信息(hbase的元数据) Hmster(hbase的老大) 为regionserver分配region(新建表) 负责regionserver的负载均衡 负责region的重新分配(处理hregionserver异常,hregion裂变) Hdfs上的垃圾文件回收 处理schema的更新请求 Hregionserver(hbase的小弟) 维护老大给他的region(管理本机上的region) 处理client对region的IO请求,并和hdfs交互 Regionserver负责切分在运行过程中变大的region Hregion: Hbase中分布式的存储和负载的最小单元,表或者是表的一部分 (在HBase中数据按主键排序,同时表按主键划分为多个Region Region按大小分割的,随着数据增多,Region不断增大,当增大到一个阀值的Region就会分成两个新的Region) Region虽然是分布式存储的最小单元,但并不是存储的最小单元。每个Region包含着多个Store对象。每个Store包含一个MemStore或若干StoreFile,StoreFile包含一个或多个HFile。MemStore存放在内存中,StoreFile存储在HDFS上。 Hlog; 对hbase的操作进行记录,使用wal(Write-Ahead-Log)写数据,优先写入log,然后再写入memstore,以防数据丢失时可以进行日志回滚回复数据 Store: 相当于一个列簇。 Memstore:128M 内存缓冲区,用于将数据批量刷新到hdfs上 Hstorefile(hfile) Hbase中的数据是以hfile的形式存储到hdfs上 写流程: 1client通过zookeeper的调度,向regionserver发出写数据请求,在region中写数据 2数据被写入region的memstore,直达memstore达到预设的阈值(128M) 3memstore中的数据被flush成一个storefile 4随着storefile文件的不断增多,当其数量增长到一定阈值的时候,触发了compact合并操作,将多个storefile合并成一个storefile,同时进行版本合并和数据删除 5storefiles通过不断的compact合并操作,逐渐形成越来越大的storefile 6单个storefile大小超过一定阈值之后,触发spilt操作,把当前的region切分成2个新的region,父region会下线,新切出的2个字region会被hmaster分配到相应的regionserver上,使得原先的一个region的压力的以分配到2个region上 读流程: 1client访问zookeeper,查找root表,获取meta表的信息 2从meta表中查找,获取存放的目标的region信息,从而找到对应的regionserver 3通过regionserver获取需要查询的数据 4regionserver的内存分为memstore和blockcache两部分,memstore主要用于写数据,blockcache主要用于读数据,请求先到memstore中查数据,查不到就在blockcache在查,再查不到就会到storefile上读,并把读的结果放入blockcache 寻址过程:client-->Zookeeper-->-ROOT-表-->.META.表-->RegionServer-->Region-->client Rowkey:行键,和mysql的主键一样,不允许重复,按照字典顺序排列 Columnfamily:列簇 Column:列 Timestamp:时间戳,默认显示最新的时间戳 Version:版本号,记录数据的版本 Cell:单元格,一个key 一个value |
|