分布式数据库HBase

文章目录

前言

一、HBase概述

1.1.1 什么是HBase

HBase是一个分布式的、面向列的开源数据库
HBase是Google BigTable的开源实现
HBase不同于一般的关系数据库,适合非结构化数据存储
HBase是一种分布式、可扩展、支持海量数据存储的 NoSQL数据库。
HBase是依赖Hadoop的。为什么HBase能存储海量的数据？因为HBase是在HDFS的基础之上构建的，HDFS是分布式文件系统。
HBase在HDFS之上提供了高并发的随机写和支持实时查询，这是HDFS不具备的。
基于「列式存储」，存储数据的“结构”可以地非常灵活。

1.1.2 BigTable

BigTable是Google设计的分布式数据存储系统，用来处理海量的数据的一种非关系型的数据库。
- 适合大规模海量数据，PB级数据；
- 分布式、并发数据处理，效率极高；
- 易于扩展，支持动态伸缩
- 适用于廉价设备；
- 不适用于传统关系型数据的存储；

1.1.4 什么是非结构化数据存储

结构化数据
- 适合用二维表来展示的数据

非结构化数据
- 非结构化数据是数据结构不规则或不完整
- 没有预定义的数据模型
- 不方便用数据库二维逻辑表来表现
- 办公文档、文本、图片、XML,HTML、各类报表、图像和音频/视频信息

1.1.5 HBase在Hadoop生态中的地位

HBase是Apache基金会顶级项目
HBase基于HDFS进行数据存储
HBase可以存储超大数据并适合用来进行大数据的实时查询

1.1.6 HBase与HDFS

HBase建立在Hadoop文件系统上,利用了HDFS的容错能力
HBase提供对数据的随机实时读/写访问功能
HBase内部使用哈希表,并存储索引,可以快速查找HDFS中数据

1.1.7 HBase使用场景

瞬间写入量很大
大量数据需要长期保存,且数量会持续增长
HBase不适合有join,多级索引,表关系复杂的数据模型
适合场景(大型互联网公司都用HBase)
表数据量大(至少亿级别以上) 写入量大(每天千万级别以上)
append型业务(比如日志,聊天记录等)
读取量相对少(读取:写入<=1/10)
读取场景简单、不经常变化、无排序要求
无跨行跨表事务要求

不适合场景

HBase仅支持行级事务(银行业务基本不用HBase)
类似DW等全量读取(hive),不太适合

1.2.4 HBase 与传统关系数据库的区别

	HBase	关系型数据库
数据库大小	PB级别	GB TB
数据类型	Bytes	丰富的数据类型
事务支持	ACID只支持单个Row级别	全面的ACID支持,对Row和表
索引	只支持Row-key	支持
吞吐量	百万写入/秒	数千写入/秒

二.HBase数据模型

HBase的设计理念依据google的BigTable论文，论文中对于数据模型的首句介绍

Bigtable是一个稀疏的，分布式的，持久的多维排序的map。

之后对于映射的解释如下：

该映射由行建，列建和时间戳索引；映射中的每个值都是一个未解释的字节数组。

最终HBase关于数据模型和BigTable的对应关系如下：

HBase使用与BigTable非常相似的数据模型。用户将数据行存储在带标签的表中。数据行具有可排序的键和任意数量的列。该表存储稀疏，因此如果用户喜欢，同意表中的行可以具有疯狂变化的列。

最终理解Hbase数据模型的关键在于稀疏，分布式，多维，排序的映射，期中映射map值代非关系型数据库的key-value结构。

2.1、HBase逻辑结构

逻辑结构分析：

Region：相当于表，数据量大的时候会进行切片，相当于数据库的水平分表分库。
store：每个Store其实就是一个列族的数据（所以我们可以说HBase是基于列族存储的）
列族（Column Family）：在HBase里边，先有列族，后有列；可以简单理解为：列的属性类别。
列（Column Qualifier，列修饰符）：在HBase中用列修饰符（Column Qualifier）来标识每个列。
行键（RowKey）：定位一行数据的唯一值。

2.2.HBase物理存储结构

物理存储结构即为数据映射关系，而在概念试图的空单元格，底层实际根本不存储。

2.3数据模型

1. 表（Table）
HBase采用表来组织数据，表由行和列组成，列划分为若干个列族。

2. 行（Row）
每个HBase表都由若干行组成，每个行由行键（Row Key）来标识。访问表中的行只有3种方式：通过单个行键访问；通过一个行键的区间来访问；全表扫描。

3. 列族（Colume）
一个HBase表被分组成许多“列族”的集合，它是基本的访问控制单元。列族需要在表创建时就定义好，数量不能太多（HBase的一些缺陷使得列族数量只限于几十个），而且不要频繁修改。存储在一个列族当中的所有数据，通常都属于同一种数据类型，这通常意味着具有更高的压缩率。

4. 列限定符
列族里的数据通过列限定符（或列）来定位。列限定符不用事先定义，也不需要在不同行之间保持一致。列限定符没有数据类型，总被视为字节数组byte[]。

5. 单元格
在HBase表中，通过行、列族和列限定符确定一个“单元格”（Cell）。单元格中存储的数据没有数据类型，总被视为字节数组 byte[]。每个单元格中可以保存一个数据的多个版本，每个版本对应一个不同的时间戳。

6. 时间戳
每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引。每次对一个单元格执行操作（新建、修改、删除）时，HBase都会隐式地自动生成并存储一个时间戳。

三.HBase架构角色

（1) Master实现类为HMaster，负责监控集群中所有的 RegionServer 实例。主要作用如下:“管理元数据表格 hbase:meta，接收用户对表格创建修改删除的命令并执行

（2)监控region 是否需要进行负载均衡，故障转移和region 的拆分。e通过启动多个后台线程监控实现上述功能

周期性监控region 分布在regionServer 上面是否均衡，由参数 hbase.balancer.period 控周期时间，默认5 分钟。

定期检查和清理hbase:meta中的数据。meta表内容在进阶中介绍。

把master 需要执行的任记录到预写日志WAL中，如果 master 宕机，让 backupMaster读取日志继续干。
(2) Region Server
Region Server 实现类为 HRegionServer，主要作用如下:

负责数据 cell 的处理，例如写入数据 put，查询数据 get 等
拆分合并region 的实际执行者，有 master 监控，有regionServer 执行。

(3)Zookeeper
HBase 通过 7ookeeper 来做 master 的高可用、记录 RegionServer 的部署信息、并且存储有meta 表的位置信息。
HBase 对于数据的读写操作时直接访问 Zookeeper 的，在2.3 版本出 Master Registry模式，客户可以直接访间 master。使月此功能，会加大对 master 的压力，减轻对 Zokeeper的压力。
(4) HDFS
HDFS 为 Hbase 提供最终的底层数据存储服务，同时为 HBase 提供高容错的支持。