Apache Hbase介绍和使用

2022-04-27 00:00:00 数据 集群 多个 支持 海量

hbase 的安装部署
1、软件包上传解压
2、 配置hbase.env.sh
配置java_home
使用外部zookeeper(自己独立安装的zookeeper)
3、配置 hbase-site.xml
见讲义
hbase.zookeeper.property.dataDir必须是zookeeper存储数据的路径
4、修改regionservers
5、创建backup-masters
6、拷贝core-site.xml hdfs-site.xml到hbase的conf目录下
7、安装包分发到所有节点
8、配置环境变量
9、启动hbase
前提:1
hadoop集群必须启动,并保证集群正常
zookeeper集群必须启动,并保证集群正常
启动hbase


HBase的基本介绍
Hbase 是建立在hdfs之上的一个数据库,不支持join等SQL复杂操作.支持的数据类型:byte[],依靠横向扩展
一个表可以有上十亿行,上百万列。
面向列(族)的存储和权限控制
对于为空(null)的列,并不占用存储空间,是一个稀疏表。
稀疏的理解


HBASE的适用场景
海量数据、查询、快速返回
海量数据:指的是数据量的背景
查询:业务场景
快速返回:是业务对时效性的要求

Hbase和Hadoop之间的关系
HDFS
海量数据存储,适合一次性扫描大量数据。
适合一次写入多次读取
不适合频繁更新的数据
HBASE
不适合一次性扫描大量数据。适用一次扫描少量数据。
适合多次写入多次读取
habse
支持数据更新
支持删除数据
Hbase与RDBMS的关系
RDBMS
支持SQL查询
支持事务
支持Join
HBASE
不支持SQL查询
不支持事务
不 支持Join
Hbase特征简要说明
1、 海量存储
Hbase适合存储PB级别的海量数据,在几十到百毫秒内返回数据。
2、列式存储
这里的列式存储其实说的是列族存储
列族理论上可以很多,但实际上建议不要超过6个
3、 极易扩展
处理能力(RegionServer)的扩展,一个是基于存储的扩展(HDFS)
hbase在初设计的时候就考虑了扩展性。
4、高并发
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
5、稀疏
在列数据为空的情况下,是不会占用存储空间的。
hbase的基础架构
1、Client
2 ZOOKEEPER
3 Master 管理者
4 Regionserver 工作者


HBase常用shell操作
HBase的底层原理
详细架构
Client:
访问数据的入口,包含访问hbase的API接口,维护着一些cache来加快对hbase的访问
Zookeeper:
1 zookeeper的选举机制保证任何时候,集群中只有一个master
2 实时监控Region Server的状态,将Region server的上线和下线信息实时通知给Master
3 存储Hbase的schema,
4 存贮所有Region的寻址入口
Master职责
1 为Region server分配region
2 负责region server的负载均衡
3 发现失效的region server并重新分配其上的region
4 处理schema更新请求
说明:Hmaster短时间下线,hbase集群依然可用,长时间不行。
Region server的作用
1、 Region server维护Master分配给它的region,处理对这些region的IO请求
2、Region server负责切分在运行过程中变得过大的region

HBase的表数据模型


Row Key
大长度是 64KB,完全可以自行设计。Hbase会对表中的数据按照rowkey排序(字典序)
row的设计是有技术含量的工作
列族Column Family
列族是表的schema的一部分,而列不是。(schema包含表名和列族)
每个列都所属于某一个列族。一个列族可以包含多个列。一个列族与列的关系是一对多。
列 Column
列族下面的具体列。
时间戳
标记一个数据的不同版本
时间戳可以由hbase(在数据写入时自动 )赋值,hbase支持工程师自己定义时间戳。
每个 cell中,不同版本的数据按照时间倒序排序


hbase本身提供数据回收机制
1、保存数据的后n个版本
2、保存近一段时间内的版本
Cell存储数据的小单位
如何确定一个的数据
由{row key, column( = + ), version} 确定的单元
VersionNum
数据的版本号,默认值为系统时间戳。
hbase物理存储
整体结构


一个regionserver内部可以有多个region,这多个region可能来自多个表或一个表。一个region只能属于一个
regionserver.
rtegion的切分
region按大小分割的(默认10G)。每个表一开始只有一个region,随着数据的增加,一个region逐渐变大,达到
10G,进行分裂,等分成两个region.
Hregion是Hbase中分布式存储和负载均衡的小单元
HRegion由一个或者多个Store组成,每个store保存一个column family。每个Strore又由一个memStore和0至多个
StoreFile组成


Memstore与storefile
一个region由多个store组成,每个store包含一个列族的所有数据 Store包括位于内存的memstore和位于硬盘的
storefile
客户端检索数据时,先在memstore找,找不到再找storefile
HLog(WAL log)
每个Region Server维护一个Hlog,而不是每个Region一个.
Hlog的切分机制
1、当数据写入hlog以后,hbase发生异常。关闭当前的hlog文件
2、当日志的大小达到HDFS数据块的0.95倍的时候,关闭当前日志,生成新的日志
3、每隔一小时生成一个新的日志文件

读写过程
读请求过程
前提:什么是meta表?
meta表述hbase系统自带的一个表。里面存储了hbase用户表的元信息。
元信息为:meta表内记录一行数据是用户表一个region的start key 到endkey的范围。
meta表存在什么地方?
meta表存储在regionserver里。 具体存储在哪个regionserver里?zookeeper知道。


1 到zookeeper询问meta表在哪
2 到meta所在的节点(regionserver)读取meta表的数据
3 找到region 获取region和regionserver的对应关系,直接到regionserver读取region数据

相关文章