HBase简介

HBase简介

HBase是Apache的Hadoop项目的子项目，是Hadoop Database的简称，来源于Google的BigTable（BigTable是将所有的字段放到一个大表中，造成了数据的冗余，但是效率有效地提高了），本质实际上是一张稀疏的大表，用来存储粗粒度的结构化数据，并且，能够通过简单的增加节点来实现系统的线性扩展，HBase建立在HDFS之上的高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。
HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库，HBase基于列的而不是基于行的模式，HBase每个列属于一个特定的列族，通过行和列来确定一个存储单元，而每个存储单元又可以有多个版本，通过时间戳来标识

列式存储

列式存储与行存储区别

• 写入方面，行存储的写入是一次完成的，建立在操作系统的文件系统上，保证写入过程的成功与失败；列存储是把一行数据拆分成单列保存，写入次数更多，所以写入时间消耗会更大
• 读取方面，行存储通常也是以行来进行读取，通常是读取一整行；列存储每次读取是数据集合的一段或者全部

系统架构

Client

Client包含了访问Hbase的接口，另外Client还维护了对应的cache来加速HBase的访问，比如cache的.META.元数据的信息。

Zookeeper

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。具体工作如下：

• 通过Zoopkeeper来保证集群中只有1个master在运行，如果master异常，会通过竞争机制产生新的master提供服务

• 通过Zoopkeeper来监控RegionServer的状态，当RegionSevrer有异常的时候，通过回调的形式通知Master RegionServer上下线的信息

• 通过Zoopkeeper存储元数据的统一入口地址

两大角色

HBase集群中通常包含两种角色，HMaster和HRegionServer，当表随着记录条数的增加而不断变大后，将会分裂成一个个region，每个region可以由[startkey,endkey)来表示，它包含一个startkey到endkey的半闭区间。一个HRegionServer可以管理多个region，并由HMaster来负责HRegionServer的调度以及集群状态的监管。由于region可分散由不同的HRegionServer来管理，因此理论上再大的表都可以通过集群来处理

HMaster

HMaster节点负责HRegionServer的调度以及集群状态的监管，主要职责如下：

• 监控RegionServer，并处理RegionServer故障转移
• 为RegionServer分配Region
• 维护整个集群的负载均衡
• 维护集群的元数据信息
• 发现失效的Region，并将失效的Region分配到正常的RegionServer上
• 当RegionSever失效的时候，协调对应HLog的拆分

HRegionServer

HRegionServer直接对接用户的读写请求，是真正的“干活”的节点，用来管理多个region。它的功能概括如下：

• 负责存储HBase的实际数据
• 管理master为其分配的Region
• 处理来自客户端的读写请求
• 负责和底层HDFS的交互，存储数据到HDFS
• 负责Region变大以后的拆分以及分片操作
• 负责Storefile的合并工作
• 维护HLog
• 执行压缩

HDFS

HDFS为HBase提供最终的底层数据存储服务，同时为HBase提供高可用（HLog存储在HDFS）的支持，具体功能概括如下：

• 提供元数据和表数据的底层分布式存储服务
• 数据多副本，保证的高可靠和高可用性

Write-Ahead logs(HLog)

HBase的修改记录，当对HBase读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入内存中。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。

Region

HBase表的分片，HBase表会根据RowKey值被切分成不同的region，存储在HRegionServer中，在一个HRegionServer中可以有多个不同的region。

当表随着记录条数增加而不断变大后，将会分裂成一个个region，每个region可以由[startKey,endKey)来表示

Store

HFile存储在Store中，一个Store对应HBase表中的一个列族。

store包括位于内存中的memstore和位于磁盘中的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时，系统会进行合并，在合并过程中会进行版本合并和删除工作，生成更大的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。

在客户端检索时，现在memstore找，找不到的话会查询storefile

MemStore

内存存储，位于内存中，用来保存当前的数据操作，所以当数据保存在WAL中之后，RegsionServer会在内存中存储键值对。

StoreFile

这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile是以HFile的形式存储在HDFS的。

特点

海量存储

Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十到百毫秒内返回数据。

列式存储

这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的。每个列族下面可以有非常多的列，列族在创建表的时候就必须指定。

极易扩展

Hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
通过横向添加RegionSever的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbsae服务更多Region的能力。

RegionServer的作用是管理region、承接业务的访问，这个后面会详细的介绍通过横向添加Datanode的机器，进行存储层扩容，提升Hbase的数据存储能力和提升后端存储的读写能力。

高并发

由于目前大部分使用Hbase的架构，都是采用的廉价PC，因此单个IO的延迟其实并不小，一般在几十到上百ms之间。这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多，能获得高并发、低延迟的服务。

稀疏

稀疏主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。