哪个网站可以做任务,网络游戏企业不得向提供游戏服务,网站开发用例图,番禺网站建设专家一、HBase简介 HBase是一个开源的、分布式的、版本化的NoSQL数据库#xff08;即非关系型数据库#xff09;#xff0c;依托Hadoop分布式文件系统HDFS提供分布式数据存储#xff0c;利用MapReduce来处理海量数据#xff0c;用Zookeeper作为其分布式协同服务#xff0c;一…一、HBase简介 HBase是一个开源的、分布式的、版本化的NoSQL数据库即非关系型数据库依托Hadoop分布式文件系统HDFS提供分布式数据存储利用MapReduce来处理海量数据用Zookeeper作为其分布式协同服务一般用于存储海量数据。HDFS和HBase的区别在于HDFS是文件系统而HBase是数据库。HBase只是一个NoSQL数据库把数据存在HDFS上。可以把HBase当做是MySQL把HDFS当做是硬盘。
这里表示的就是数据存储的位置和名字以及簇的信息
进入到具体的表中就是我们数据存的具体的节点和 区的开始位置和结束位置 startkey 预分区的开始 endkey 预分区的结束 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。 1Master
Master是所有Region Server的管理者其实现为HRegionServer,主要作用有:
对于表的DDL操作createdeletealter 对于RegionServer的操作分配regions到每个RegionServer监控每个RegionServer的状态负载均衡和故障转移。
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。
3WAL
由于数据要经MemStore排序后才能刷写到HFile但把数据保存在内存中会有很高的概率导致数据丢失为了解决这个问题数据会先写入Write-Ahead logfile的文件中然后再写入到Memstore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。
4MemStore
写缓存由于HFile中的数据要求是有序的所以数据是先存储在MemStore中排好序后等到达刷写时机才会刷写到HFile每次刷写都会形成一个新的HFile。
5StoreFile 保存实际数据的物理文件StoreFile以HFile的形式存储在HDFS上。每个Store会有一个或多个StoreFile(HFile)数据在StoreFile上是有序的。 1Name 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defaulthbase中存放的是HBase的内置表default表示用户默认使用的命名空间。
2Region区域
类似于关系型数据库的表概念。不同的是HBase定义表时只需要生命列簇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。
HBase表中的每行数据都由一个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时智能根据RowKey进行检索所以RowKey的设计十分重要。
4Cloumn HBase中的每个列都由Cloumn Family列簇和Cloumn Qualifier列限定符进行限定例如infonameinfoage。建表时只需指明列簇而列限定符无需预先定义。
5Time 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。 HBASE 中通过rowkey和columns确定的为一个存贮单元称为cell。每个 cell都保存 着同一份数据的多个版本。版本通过时间戳来索引。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。每个 cell中不同版本的数据按照时间倒序排序即最新的数据排在最前面。 为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担HBASE提供 了两种数据版本回收方式。一是保存数据的最后n个版本二是保存最近一段 时间内的版本比如最近七天。用户可以针对每个列族进行设置。
可以根据时间戳来进行数据的取 scan ‘namespace名:表名’, {COLUMN ‘列簇:列’, TIMERANGE [开始时间戳,结束时间戳]} scan ‘student’, {COLUMN ‘c1’, TIMERANGE [1658827317000,1658913717000]}
6Cell
由
{ RowKey, ColumnFamily: ColumnQualifier, TimeStamp}
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。
Hbase是bigtable的开源山寨版本。是建立的hdfs之上提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。
它介于nosql和RDBMS之间仅能通过主键(row key)和主键的range来检索数据仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。主要用来存储非结构化和半结构化的松散数据。
与hadoop一样Hbase目标主要依靠横向扩展通过不断增加廉价的商用服务器来增加计算和存储能力。
RowKey 与nosql数据库们一样,RowKey是用来检索记录的主键。访问HBASE table中的行只有三种方式 1.通过单个RowKey访问 2.通过RowKey的range正则 3.全表扫描 RowKey行键 (RowKey)可以是任意字符串(最大长度是64KB实际应用中长度一般为 10-100bytes)在HBASE内部RowKey保存为字节数组。存储时数据按照RowKey的字典序(byte order)排序存储。设计RowKey时要充分排序存储这个特性将经常一起读取的行存储放到一起。(位置相关性)
Column Family 列族HBASE表中的每个列都归属于某个列族。列族是表的schema的一部 分(而列不是)必须在使用表之前定义。列名都以列族作为前缀。例如 courses:historycourses:math都属于courses 这个列族。
Cell 由{rowkey, column Family:columu, 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。 关键字无类型、字节码
命名空间 命名空间的结构: Table表所有的表都是命名空间的成员即表必属于某个命名空间如果没有指定则在default默认的命名空间中。RegionServer group一个命名空间包含了默认的RegionServer Group。Permission权限命名空间能够让我们来定义访问控制列表ACLAccess Control List。例如创建表读取表删除更新等等操作。Quota限额可以强制一个命名空间可包含的region的数量。
默认的空间 有命名空间 比如 name_space001: student 就是这个命名空间下的表
HBase 中的表一般有这样的特点
1、大一个表可以有上十亿行上百万列 2、面向列面向列(族)的存储和权限控制列(族)独立检索 3、稀疏:对于为空(null)的列并不占用存储空间因此表可以设计的非常稀疏。
HBase储存结构详解 从上面的架构图可以看出HBase是建立在hadoop之上的,HBase底层依赖于HDFS。HBase有3个重要的组件Zookeeper、HMaster、HRegionServer。
Zookeeper为整个HBase集群提供协助的服务HMaster主要用于监控和操作集群的所有RegionServer。RegionServer主要用于服务和管理分区Regions
1、HDFS
HBase底层依赖于HDFS的
2、HMaster
HMaster是HBase集群架构中的主节点通常一个HBase集群存在多个HMaster节点,其中一个为Active Master,其余为Backup Master。
Hbase每时每刻只有一个HMaster主服务器程序在运行HMaster将region分配给HRegionServer协调HRegionServer的负载并维护集群的状态。Hmaster不会对外提供数据服务而是由HRegionServer负责所有regions的读写请求及操作。
由于HMaster只维护表和region的元数据负责Region的分配及数据库的创建和删除等操作而不参与数据的输入/输出过程HMaster失效仅仅会导致所有的元数据无法被修改但表的数据读/写还是可以正常进行的。
HMaster的作用
A、调控Region server的工作 为Region server分配region, 负责HRegionServer的负载均衡, 监控集群中的Region server的工作状态, 发现失效的HRegionServer并重新分配其上的Hregion通过监听zookeeper对于ephemeral node状态的通知。 备注 HRegion,习惯把它称为region,表的意思 HRegionServer,习惯把它称为Region server,HRegionServer是HBase集群架构中的从节点
B、管理数据库 提供创建删除或者更新表格的接口。
.3、HRegionServer HRegionServer是HBase集群架构中的从节点HBase中的表是根据row key的值水平分割成所谓的region的。一个region包含表中所有row key位于region的起始键值和结束键值之间的行。
集群中负责管理Region的结点叫做Region server。Region server负责数据的读写。每一个Region server大约可以管理1000个region。 备注HRegionServer,习惯把它称为Region server,HRegionServer是HBase集群架构中的从节点。一些文章写的是Region server、一些写的是HRegionServer两个意思都是一样的
1、HRegionServer由如下几个部分组成 一个HRegionServer会有多个HRegion和一个HLog。 HLog:预写入日志防止内存中数据丢失 HRegion表,一个HRegionServer可以维护多个HRegion习惯称为一个Region Server可以维护多个Region 2、HRegionServer的职责 维护HMaster分配给它的HRegion处理对这些HRegion的IO请求也就是说客户端直接和HRegionServer打交道。
4、HRegion 概述
Region是HBase数据管理的基本单位每个HRegion由多个Store构成每个Store保存一个列族Columns Family表有几个列族则有几个Store每个Store由一个MemStore和多个StoreFile组成MemStore是Store在内存中的内容写到文件后就是StoreFileStoreFile底层是以HFile的格式保存。 Region相当于数据库中的表
Region/Store/StoreFile/Hfile之间的关系
1、 Region table在行的方向上分隔为多个Region。Region是HBase中分布式存储和负载均衡的最小单元即不同的region可以分别在不同的Region Server上但同一个Region是不会拆分到多个server上。 Region按大小分隔表中每一行只能属于一个region。随着数据不断插入表region不断增大当region的某个列族达到一个阈值默认256M时就会分成两个新的region。
2、 Store 每一个region有一个或多个store组成至少是一个storehbase会把一起访问的数据放在一个store里面即为每个ColumnFamily建一个store即有几个ColumnFamily也就有几个Store。一个Store由一个memStore和0或多个StoreFile组成。 HBase以store的大小来判断是否需要切分region。 store的数据存储在两个地方MemStore和StoreFile 3、 MemStore 写缓存memStore 是放在内存里的。由于 HFile 中的数据要求是有序的所以数据是先存储在 MemStore 中排好序后等到达刷写时机才会刷写到 HFile当memStore的大小达到一个阀值【默认64MB】时memStore会被flush到文件每次刷写都会形成一个新的 HFile。 4、StoreFile memStore内存中的数据写到文件后就是StoreFile即memstore的每次flush操作都会生成一个新的StoreFileStoreFile底层是以HFile的格式保存。 5、HFile HFile是HBase中KeyValue数据的存储格式是hadoop的二进制格式文件。一个StoreFile对应着一个HFile。而HFile是存储在HDFS之上的。
hbase的原数据存储在 zookeeper里边 zkCli.sh 就可以进行到zk的集群中
HBase读流程 HBase读数据流程 1Client 先访问 zookeeper获取 hbase:meta 表位于哪个 Region Server。 2访问对应的 Region Server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 Region Server 进行通讯 4分别在 Block Cache读缓存MemStore 和 Store FileHFile中查询目标数据并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本time stamp或者不同的类型Put/Delete。 5将从文件中查询到的数据块BlockHFile 数据存储单元默认大小为 64KB缓存到Block Cache。 6将合并后的最终结果返回给客户端。
HBase写流程 1、客户端先访问zookeeper获取Meta表位于那个region server 2、访问Meta表对应的region server服务器根据请求的信息namespace:table/rowkey,在meta表中查询出目标数据位于哪个region server的哪个region中。 并将该表的region信息以及meta表的位置信息缓存到客户端的meta cache方便下次访问。 3、与目标数据的region server进行通讯 4、将数据写入到WAL中 5、将数据写入到对应的memstore中 6、向客户端发送写入成功的信息 7、等达到memstore的刷写时机后将数据刷写到HFILE中
MemStore Flush刷写 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 (对应的列簇)都会刷写。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 当达到128M的时候会触发flush memstore当达到128M * n还没法触发flush时候会抛异常来拒绝写入。两个相关参数的默认值如下
hbase.hregion.memstore.flush.size128M(默认) hbase.hregion.memstore.block.multiplier4(默认)
2.当 region server 中 memstore 的总大小达到java_heapsize(应用的堆内存)
hbase.regionserver.global.memstore.size默认值 0.4 hbase.regionserver.global.memstore.size.lower.limit默认值 0.95 region 会按照其所有 memstore 的大小顺序由大到小依次进行刷写。直到 region server中所有 memstore 的总大小减小到上述值以下。当 region server 中 memstore 的总大小达到
java_heapsize*hbase.regionserver.global.memstore.size默认值 0.4时会阻止继续往所有的 memstore 写数据。
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。
4.当 WAL 文件的数量超过 hbase.regionserver.maxlogsregion 会按照时间顺序依次进行刷写直到 WAL 文件数量减小到 hbase.regionserver.maxlogs 以下该属性名已经废弃现无需手动设置最大值为 32。
数据合并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的个数以及清除掉过期和删除的数据会进行StoreFile Compaction。
Compaction分为两种分别时Minor Compaction和Major Compaction。Minor Compaction会将临时的若干较小的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HFile合并为一个大HFile并且会清理掉过期和删除的数据。
数据拆分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 Region Server。
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。
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。
