HBase技术原理（nosql）

  NoSQL数据库 关系型数据库与NoSQL数据库的主要区别 CAP理论和BASE原则 HBase概述 HBase与关系数据库的对比 HBase应用场景 HBase数据模型 HBase表结构 行存储和列存储的比较 HBase架构 HBase架构介绍 HFile文件格式 Region定位（1） Region定位（2） 用户读写数据过程 Flush机制 Compaction机制(1) Compaction机制（2） Region拆分 其他流程 HBase性能优化-行键 HBase性能优化-预分区 HBase性能优化-表热点现象 HBase常用操作 DDL操作（1） DDL操作（2） 权限管理 NoSQL数据库

• NoSQL（not only sql）,即“不仅仅是sql”。
• NoSQL数据库分类：

1. 键值存储数据库
2. 列存储数据库
3. 文档数据库
4. 图数据库

  关系型数据库与NoSQL数据库的主要区别

 

 

  CAP理论和BASE原则

• CAP理论

1. 一致性
2. 可用性
3. 分区容错性

• BASE原则

1. 基本可用
2. 软状态
3. 最终一致性

  HBase概述

• HBase是一个高可靠性，高性能，面向列，可伸缩的分布式存储系统。

1. 适合于存储大表数据（表的规模可以达到数十亿行以及数百行列），并且对大表数据的读，写
2. 访问可以达到实时级别。
3. 利用Hadoop HDFS作为其文件存储系统，提供实时读写的分布式数据库系统。
4. 利用Zookeeper作为协同服务。

  HBase与关系数据库的对比

• HBase与传统的关系数据库的区别主要体现在一下几个方面：、

1. 数据索引：关系数据库通常可以针对不同列构建复杂的多个索引，以提高数据访问性能。HBase只有一个索引，即行键。通过巧妙的设计，HBase中的所有访问方法，或者通过行键访问，后者通过行键扫描，从而使得整个系统不会慢下来。
2. 数据维护：在关系数据库中，更新操作会用最新的当前值去替换记录中原来的旧值，旧值被覆盖后就不会存在。而在HBase中执行更新操作时，并不会删除数据旧的版本，而是生成一个新的版本，旧有的版本仍然保留。
3. 可伸缩性：关系数据库很难实现横向扩展，纵向国战的空间也比较有限。相反，HBase和BigTable这些分布式数据库就是为了实现灵活的水平扩展而开发的，能够轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩。

  HBase应用场景

 

 

  HBase数据模型

• 特点

1. 一个表可以有上亿行，上百行列
2. 面向列（族）的存储和权限控制，列（族）兜里检索
3. 表结构稀疏，行和列的交叉点被称为cell，表的行键也是一段字节数组
4. 所有的表都必须有主键，表是按key排序的

 

 

  HBase表结构

• 表：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。
• 行：每个HBase表都由若干个行组成，每个行由行键来标识。
• 列族：一个HBase表被分组成许多“列族”的集合，他是基本的访问控制单元。
• 列限定符：列族里的数据通过列限定符（或列）来定位。
• 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），单元格中村粗的数据没有数据类型，总被视为字节数组byte[]
• 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。

 

 

  行存储和列存储的比较

• 行存储，数据按行存储在底层文件系统中。通常，每一个会被分配固定的空间。

1. 优点：有利于增加/修改整行记录等操作；有利于整行数据的读取操作。
2. 单列查询时，会读取一些不必要的数据。

• 列存储，数据以列为单位，存储在底层文件系统中。‘

1. 优点：有利于面向单列数据的读取/统计等操作。
2. 缺点：整行读取时，可能需要多次I/O操作。

 

 

HBase架构

 

 

  HBase架构介绍

• 客户端

1. 包含访问HBase的接口，并维护Cache来加快对HBase的访问

• HMaster

1. 主要负责表和region的管理工作

• HRegionServer

1. 主要负责相应用户的I/O请求，向HDFS中读/写数据
2. 管理了一系列HRegin对象，每个HRegin由多个store组成

• ZooKeeper

  HFile文件格式

• HFile文件格式分为如下6部分：

1. Data Block：保存table中的数据
2. Meta Block：保存用户自定义的key-value对
3. file Info：HFile的元信息
4. Data Block Index：Data Block的索引
5. Trailer:这一段是定长的，保存了每一段的偏移量。

  Region定位（1）

 

 

Region定位（2）

• 为了加快访问速度，.meta.表会被保存在内存中。
• 假设.META.表的每行（一个映射条目）在内存中大约占用1kb，并且每个Region限制为128MB.
• 两成结构可以保存的Region数目是128MB/1kb=2的17次方个Region。

  用户读写数据过程

• 用户写入数据时，被分配到相应Region服务器去执行。
• 用户数据首先被写入到MemStore和Hlog中。
• 只有当操作写入Hlog之后，commit()调用才会将其返回给客户端。
• 党与胡读取数据时，Region服务器会首先访问MemStore缓存，如果找不到，再去磁盘上面的storefile中寻找。

  Flush机制

• 触发MemSTORE的FLUSH操作场景

1. MemStore到达HBase.hregion.memstore.flush.size(默认128MB)，所有Memstore触发FLush。
2. 当MemStore的内存用量比例到达HBase.regionserver.global.me mstore.upp -erlimit的指定大小时，触发Flush。Flush的顺序基于Memstore内存用量大小的倒序，直到MemStore内存用量小于HBase.regionserver.global.memstore.lowerlimiit.
3. 当wal的日志数量超过HBase.regionserver.max.logs，MemStore就会FLush到磁盘，降低WAL中的日志数量。最“老”的MemStore会第一个被Flush，直到日志数量小于HBase.regionserver.max.logs。
4. HBase定期Flush MemStore：默认周期为1小时，确保MemStore不会长时间没有持久化。
5. 手动执行Flush。

  Compaction机制(1)

• Minor Compaction是指选取一些小的，相邻的storefile，讲题目合并成一个更大的storefile。
• Major Compaction是指所有的StoreFile。

Compaction机制（2）

• 除法Compaction的因素

1. MemStore Flush
2. 后台线程周期性检查
3. 手动触发

  Region拆分

• 当Region的大小超过了预设的阈值时，HBase会拆分Region。
• Region拆分策略

1. constantsizeregionsplitpolicy
2. increasingtoupperboundregionsplitpolicy
3. steppingsplitpolicy
4. delimitedkeyprefixregionsplitpolicy
5. disabledregionsplitpolicy

  其他流程

• Region合并

1. Region拆分更多处于提高性能的目的，但Region合并更多出于维护系统的目的。

• HLog工作原理

1. 一种预写日志。
2. 用户更新的数据必须先写入日志后，才能写入MemStore缓存。
3. 知道MemStore缓存内容对应的日志已经写入磁盘，该缓存内容才能被Flush到磁盘。

  HBase性能优化-行键

• 行键是按照字典序存储。因此，设计行键时，要充分利用这个排序特点，将经常一起读取的数据存储到一块，将最近可能会被访问的数据放在一块。
• 举个例子：如果最近写入HBase表中的数据是最可能被访问的，可以考虑将时间戳作为行键的一部分，由于是字典序排序，所以可以使用long.MAX_VALUE - timestamp作为行键，这样能保证新写入的数据在读取时可以被快速命中。

  HBase性能优化-预分区

• 手动指定预分区

1. 通过在创建表语句中指定行键的前缀界限来指定预分区
2. create 'person','info1','info2',SPLITS=>['1000','2000','3000','4000']

• 使用SPLITALGO的UniformSplit方式

1. HexStringSplit适用于采用十六进制的字符串作为前缀的行键
2. DecimalStringSplit适用于采用十进制数字字符串作为前缀的行键
3. UniformSplit则适用于前缀完全随机的行键。

  HBase性能优化-表热点现象

• 解决“热点”现象有如下几种方法：

1. 预分区：让表中的数据可以均衡的分散在集群中
2. 加盐：RowKey的前面增加随机数
3. 反转：反转固定长度或者数字格式的行键，可以使得行键中经常改变的部分（最没有意义的部分）放在前面。

  HBase常用操作

• 查看集群的状态

1. hbase>status
2. hbase>status 'simple'
3. hbase>status 'summary'
4. hbase>status 'detailed'

• 帮助命令

1. hbase>help

  DDL操作（1）

• 列出所有表

1. hbase>list

• 获取表的详细信息

1. hbase>describe 'tablename'

• 创建一张表

1. create<table>,{NAME=><family> [VERSIONS=><version>...]}

• 修改一张表

1. hbase>alter 't1',NAME=> 'f1',VERSIONS=>5

  DDL操作（2）

• 插入更新数据

1. put <table>,<rowkey>,<family:column>,<value>,<timestamp>

• 查询数据

1. get<table>,<rowkey>,[<family:column>,...]

• 扫描表

1. scan <table>,{COLUMNS=>[<family:column>,...],LIMIT=>num}

• 删除某个值

1. delete<table>,<rowkey>,<family:column>,<timestamp>

• 清空表

1. truncate<table>(慎用)

  权限管理

• 语法：

1. grant <user> <permissions> <table> <column family> <column qualifier>
2. 权限用R,W,X,C,A这5个字母表示，其对应关系为READ('R'),WRITE('w'),EXEC('x'),CREATE('C'),ADMIN('A')

• 查看权限

1. user_permission<table>

• 收回权限

1. revoke <user> <table> <column family> <column qualifier>

标签：存储,nosql,行键,Region,MemStore,原理,HBase,数据
来源： https://www.cnblogs.com/06080410z/p/16529283.html