关于大数据:HBase-底层原理详解深度好文建议收藏

HBase 简介

HBase 是一个分布式的、面向列的开源数据库。建设在 HDFS 之上。Hbase 的名字的起源是 Hadoop database，即 Hadoop 数据库。HBase 的计算和存储能力取决于 Hadoop 集群。

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，仅反对单行事务(可通过 Hive 反对来实现多表 join 等简单操作)。

HBase 中表的特点：

1. 大：一个表能够有上十亿行，上百万列
2. 面向列：面向列 (族) 的存储和权限管制，列 (族) 独立检索。
3. 稠密：对于为空 (null) 的列，并不占用存储空间，因而，表能够设计的十分稠密。

HBase 底层原理

零碎架构

依据这幅图，解释下 HBase 中各个组件

Client

1. 蕴含拜访 hbase 的接口，Client 保护着一些 cache 来放慢对 hbase 的拜访，比方 regione 的地位信息.

Zookeeper

HBase 能够应用内置的 Zookeeper，也能够应用外置的，在理论生产环境，为了放弃统一性，个别应用外置 Zookeeper。

Zookeeper 在 HBase 中的作用：

1. 保障任何时候，集群中只有一个 master
2. 存贮所有 Region 的寻址入口
3. 实时监控 Region Server 的状态，将 Region server 的上线和下线信息实时告诉给 Master

HMaster

1. 为 Region server 调配 region
2. 负责 region server 的负载平衡
3. 发现生效的 region server 并重新分配其上的 region
4. HDFS 上的垃圾文件回收
5. 解决 schema 更新申请

HRegion Server

1. HRegion server保护 HMaster 调配给它的 region，解决对这些 region 的 IO 申请
2. HRegion server 负责切分在运行过程中变得过大的 region

从图中能够看到，Client 拜访 HBase 上数据的过程并不需要 HMaster 参加（寻址拜访 Zookeeper 和 HRegion server，数据读写访问 HRegione server）

HMaster 仅仅维护者 table 和 HRegion 的元数据信息，负载很低。

HBase 的表数据模型

行键 Row Key

与 nosql 数据库一样,row key 是用来检索记录的主键。拜访 hbase table 中的行，只有三种形式：

1. 通过单个 row key 拜访
2. 通过 row key 的 range
3. 全表扫描

Row Key 行键能够是任意字符串 ( 最大长度是 64KB，理论利用中长度个别为 10-100bytes)，在 hbase 外部，row key 保留为字节数组。

Hbase 会对表中的数据依照 rowkey 排序(字典程序)

存储时，数据依照 Row key 的字典序 (byte order) 排序存储。设计 key 时，要充沛排序存储这个个性，将常常一起读取的行存储放到一起。(地位相关性)。

留神：
字典序对 int 排序的后果是
1,10,100,11,12,13,14,15,16,17,18,19,2,20,21 …。 要放弃整形的天然序，行键必须用 0 作左填充。

行的一次读写是原子操作 (不管一次读写多少列)。这个设计决策可能使用户很容易的了解程序在对同一个行进行并发更新操作时的行为。

列族 Column Family

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)， 必须在应用表之前定义。

列名都以列族作为前缀。例如 courses:history，courses:math 都属于 courses 这个列族。

** 访问控制、磁盘和内存的应用统计都是在列族层面进行的。
列族越多，在取一行数据时所要参加 IO、搜查的文件就越多，所以，如果没有必要，不要设置太多的列族。**

列 Column

列族上面的具体列，属于某一个 ColumnFamily，相似于在 mysql 当中创立的具体的列。

工夫戳 Timestamp

HBase 中通过 row 和 columns 确定的为一个存贮单元称为 cell。每个 cell 都保留着同一份数据的多个版本。版本通过工夫戳来索引。工夫戳的类型是 64 位整型。工夫戳能够由 hbase(在数据写入时主动)赋值 ，此时工夫戳是准确到毫秒的以后零碎工夫。工夫戳也能够由客户显式赋值。如果应用程序要防止数据版本抵触，就必须本人生成具备唯一性的工夫戳。 每个 cell 中，不同版本的数据依照工夫倒序排序，即最新的数据排在最后面。

为了防止数据存在过多版本造成的的治理 (包含存贮和索引)累赘，hbase 提供了两种数据版本回收形式：

1. 保留数据的最初 n 个版本
2. 保留最近一段时间内的版本（设置数据的生命周期 TTL）。

用户能够针对每个列族进行设置。

单元 Cell

由{row key, column( =<family> + <label>), version} 惟一确定的单元。
cell 中的数据是没有类型的，全副是字节码模式存贮。

版本号 VersionNum

数据的版本号，每条数据能够有多个版本号，默认值为零碎工夫戳，类型为 Long。

物理存储

1. 整体构造

1. Table 中的所有行都依照 Row Key 的字典序排列。
2. Table 在行的方向上宰割为多个 HRegion。
3. HRegion 按大小宰割的(默认 10G)，每个表一开始只有一 个 HRegion，随着数据一直插入表，HRegion 一直增大，当增大到一个阀值的时候，HRegion 就会等分会两个新的 HRegion。当 Table 中的行一直增多，就会有越来越多的 HRegion。
4. HRegion 是 HBase 中分布式存储和负载平衡的最小单元。最小单元就示意不同的 HRegion 能够散布在不同的 HRegion Server 上。但 一个 HRegion 是不会拆分到多个 Server 上的。
5. HRegion 尽管是负载平衡的最小单元，但并不是物理存储的最小单元。

事实上，HRegion 由一个或者多个 Store 组成，每个 Store 保留一个 Column Family。
每个 Strore 又由一个 MemStore 和 0 至多个 StoreFile 组成。如上图。

2. StoreFile 和 HFile 构造

StoreFile 以 HFile 格局保留在 HDFS 上。

HFile 的格局为：

首先 HFile 文件是不定长的，长度固定的只有其中的两块：Trailer 和 FileInfo。正如图中所示的，Trailer 中有指针指向其余数 据块的起始点。

File Info 中记录了文件的一些 Meta 信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY 等。

Data Index 和 Meta Index 块记录了每个 Data 块和 Meta 块的起始点。

Data Block 是 HBase I/ O 的根本单元，为了提高效率，HRegionServer 中有基于 LRU 的 Block Cache 机制。每个 Data 块的大小能够在创立一个 Table 的时候通过参数指定，大号的 Block 有利于程序 Scan，小号 Block 利于随机查问。每个 Data 块除了结尾的 Magic 以外就是一个个 KeyValue 对拼接而成, Magic 内容就是一些随机数字，目标是避免数据损坏。

HFile 外面的每个 KeyValue 对就是一个简略的 byte 数组。然而这个 byte 数组外面蕴含了很多项，并且有固定的构造。咱们来看看外面的具体构造：

开始是两个固定长度的数值，别离示意 Key 的长度和 Value 的长度。紧接着是 Key，开始是固定长度的数值，示意 RowKey 的长度，紧接着是 RowKey，而后是固定长度的数值，示意 Family 的长度，而后是 Family，接着是 Qualifier，而后是两个固定长度的数值，示意 Time Stamp 和 Key Type（Put/Delete）。Value 局部没有这么简单的构造，就是纯正的二进制数据了。

HFile 分为六个局部：

1. Data Block 段–保留表中的数据，这部分能够被压缩.
2. Meta Block 段 (可选的)–保留用户自定义的 kv 对，能够被压缩。
3. File Info 段–Hfile 的元信息，不被压缩，用户也能够在这一部分增加本人的元信息。
4. Data Block Index 段–Data Block 的索引。每条索引的 key 是被索引的 block 的第一条记录的 key。
5. Meta Block Index 段 (可选的)–Meta Block 的索引。
6. Trailer–这一段是定长的。保留了每一段的偏移量，读取一个 HFile 时，会首先读取 Trailer，Trailer 保留了每个段的起始地位(段的 Magic Number 用来做平安 check)，而后，DataBlock Index 会被读取到内存中，这样，当检索某个 key 时，不须要扫描整个 HFile，而只需从内存中找到 key 所在的 block，通过一次磁盘 io 将整个 block 读取到内存中，再找到须要的 key。DataBlock Index 采纳 LRU 机制淘汰。

HFile 的 Data Block，Meta Block 通常采纳压缩形式存储，压缩之后能够大大减少网络 IO 和磁盘 IO，随之而来的开销当然是须要破费 cpu 进行压缩和解压缩。
目前 HFile 的压缩反对两种形式：Gzip，Lzo。

3. Memstore 与 StoreFile

** 一个 HRegion 由多个 Store 组成，每个 Store 蕴含一个列族的所有数据
Store 包含位于内存的 Memstore 和位于硬盘的 StoreFile。**

写操作先写入 Memstore，当 Memstore 中的数据量达到某个阈值，HRegionServer 启动 FlashCache 过程写入 StoreFile，每次写入造成独自一个 StoreFile

当 StoreFile 大小超过肯定阈值后，会把以后的 HRegion 宰割成两个，并由 HMaster 调配给相应的 HRegion 服务器，实现负载平衡

客户端检索数据时，先在 memstore 找，找不到再找 storefile。

4. HLog(WAL log)

WAL 意为 Write ahead log，相似 mysql 中的 binlog, 用来 做劫难复原时用，Hlog 记录数据的所有变更, 一旦数据批改，就能够从 log 中进行复原。

每个 Region Server 保护一个 Hlog, 而不是每个 Region 一个 。这样不同 region(来自不同 table) 的日志会混在一起，这样做的目标是一直追加单个文件绝对于同时写多个文件而言，能够缩小磁盘寻址次数，因而能够进步对 table 的写性能 。带来的麻烦是，如果一台 region server 下线，为了 复原其上的 region，须要将 region server 上的 log 进行拆分，而后散发到其它 region server 上进行复原。

HLog 文件就是一个一般的 Hadoop Sequence File：

1. HLog Sequence File 的 Key 是 HLogKey 对象，HLogKey 中记录了写入数据的归属信息，除了 table 和 region 名字外，同时还包含 sequence number 和 timestamp，timestamp 是”写入工夫”，sequence number 的起始值为 0，或者是最近一次存入文件系统中 sequence number。
2. HLog Sequece File 的 Value 是 HBase 的 KeyValue 对象，即对应 HFile 中的 KeyValue，可参见上文形容。

读写过程

1. 读申请过程：

HRegionServer 保留着 meta 表以及表数据，要拜访表数据，首先 Client 先去拜访 zookeeper，从 zookeeper 外面获取 meta 表所在的地位信息，即找到这个 meta 表在哪个 HRegionServer 上保留着。

接着 Client 通过方才获取到的 HRegionServer 的 IP 来拜访 Meta 表所在的 HRegionServer，从而读取到 Meta，进而获取到 Meta 表中寄存的元数据。

Client 通过元数据中存储的信息，拜访对应的 HRegionServer，而后扫描所在 HRegionServer 的 Memstore 和 Storefile 来查问数据。

最初 HRegionServer 把查问到的数据响应给 Client。

查看 meta 表信息

hbase(main):011:0> scan 'hbase:meta'

2. 写申请过程：

Client 也是先拜访 zookeeper，找到 Meta 表，并获取 Meta 表元数据。

确定以后将要写入的数据所对应的 HRegion 和 HRegionServer 服务器。

Client 向该 HRegionServer 服务器发动写入数据申请，而后 HRegionServer 收到申请并响应。

Client 先把数据写入到 HLog，以避免数据失落。

而后将数据写入到 Memstore。

如果 HLog 和 Memstore 均写入胜利，则这条数据写入胜利

如果 Memstore 达到阈值，会把 Memstore 中的数据 flush 到 Storefile 中。

当 Storefile 越来越多，会触发 Compact 合并操作，把过多的 Storefile 合并成一个大的 Storefile。

当 Storefile 越来越大，Region 也会越来越大，达到阈值后，会触发 Split 操作，将 Region 一分为二。

细节形容：

HBase 应用 MemStore 和 StoreFile 存储对表的更新。
数据在更新时首先写入 Log(WAL log)和内存 (MemStore) 中，MemStore 中的数据是排序的，当 MemStore 累计到肯定阈值时，就会创立一个新的 MemStore，并且将老的 MemStore 增加到 flush 队列，由独自的线程 flush 到磁盘上，成为一个 StoreFile。于此同时，零碎会在 zookeeper 中记录一个 redo point，示意这个时刻之前的变更曾经长久化了。
当零碎出现意外时，可能导致内存 (MemStore) 中的数据失落，此时应用 Log(WAL log)来复原 checkpoint 之后的数据。

StoreFile 是只读的，一旦创立后就不能够再批改。因而 HBase 的更新其实是一直追加的操作。当一个 Store 中的 StoreFile 达到肯定的阈值后，就会进行一次合并(minor_compact, major_compact), 将对同一个 key 的批改合并到一起，造成一个大的 StoreFile，当 StoreFile 的大小达到肯定阈值后，又会对 StoreFile 进行 split，等分为两个 StoreFile。

因为对表的更新是一直追加的，compact 时，须要拜访 Store 中全副的 StoreFile 和 MemStore，将他们按 row key 进行合并，因为 StoreFile 和 MemStore 都是通过排序的，并且 StoreFile 带有内存中索引，合并的过程还是比拟快。

HRegion 治理

HRegion 调配

任何时刻，一个 HRegion 只能调配给一个 HRegion Server。HMaster 记录了以后有哪些可用的 HRegion Server。以及以后哪些 HRegion 调配给了哪些 HRegion Server，哪些 HRegion 还没有调配。当须要调配的新的 HRegion，并且有一个 HRegion Server 上有可用空间时，HMaster 就给这个 HRegion Server 发送一个装载申请，把 HRegion 调配给这个 HRegion Server。HRegion Server 失去申请后，就开始对此 HRegion 提供服务。

HRegion Server 上线

HMaster 应用 zookeeper 来跟踪 HRegion Server 状态。当某个 HRegion Server 启动时，会首先在 zookeeper 上的 server 目录下建设代表本人的 znode。因为 HMaster 订阅了 server 目录上的变更音讯，当 server 目录下的文件呈现新增或删除操作时，HMaster 能够失去来自 zookeeper 的实时告诉。因而一旦 HRegion Server 上线，HMaster 能马上失去音讯。

HRegion Server 下线

当 HRegion Server 下线时，它和 zookeeper 的会话断开，zookeeper 而主动开释代表这台 server 的文件上的独占锁。HMaster 就能够确定：

1. HRegion Server 和 zookeeper 之间的网络断开了。
2. HRegion Server 挂了。

无论哪种状况，HRegion Server 都无奈持续为它的 HRegion 提供服务了，此时 HMaster 会删除 server 目录下代表这台 HRegion Server 的 znode 数据，并将这台 HRegion Server 的 HRegion 调配给其它还活着的节点。

HMaster 工作机制

master 上线

master 启动进行以下步骤:

1. 从 zookeeper 上 获取惟一一个代表 active master 的锁，用来阻止其它 HMaster 成为 master。
2. 扫描 zookeeper 上的 server 父节点，取得以后可用的 HRegion Server 列表。
3. 和每个 HRegion Server 通信，取得以后已调配的 HRegion 和 HRegion Server 的对应关系。
4. 扫描.META.region 的汇合，计算失去以后还未调配的 HRegion，将他们放入待调配 HRegion 列表。

master 下线

因为 HMaster 只保护表和 region 的元数据，而不参加表数据 IO 的过程，HMaster 下线仅导致所有元数据的批改被解冻(无奈创立删除表，无奈批改表的 schema，无奈进行 HRegion 的负载平衡，无奈解决 HRegion 高低线，无奈进行 HRegion 的合并，惟一例外的是 HRegion 的 split 能够失常进行，因为只有 HRegion Server 参加)， 表的数据读写还能够失常进行。因而HMaster 下线短时间内对整个 HBase 集群没有影响。

从上线过程能够看到，HMaster 保留的信息全是能够冗余信息（都能够从零碎其它中央收集到或者计算出来）

因而，个别 HBase 集群中总是有一个 HMaster 在提供服务，还有一个以上的‘HMaster’在期待机会抢占它的地位。

HBase 三个重要机制

1. flush 机制

1.（hbase.regionserver.global.memstore.size）默认; 堆大小的 40%
regionServer 的全局 memstore 的大小，超过该大小会触发 flush 到磁盘的操作, 默认是堆大小的 40%, 而且 regionserver 级别的 flush 会阻塞客户端读写

2.（hbase.hregion.memstore.flush.size）默认：128M
单个 region 里 memstore 的缓存大小，超过那么整个 HRegion 就会 flush,

3.（hbase.regionserver.optionalcacheflushinterval）默认：1h
内存中的文件在主动刷新之前可能存活的最长工夫

4.（hbase.regionserver.global.memstore.size.lower.limit）默认：堆大小 0.4 0.95
有时候集群的“写负载”十分高，写入量始终超过 flush 的量，这时，咱们就心愿 memstore 不要超过肯定的平安设置。在这种状况下，写操作就要被阻塞始终到 memstore 复原到一个“可治理”的大小, 这个大小就是默认值是堆大小 0.4 0.95，也就是当 regionserver 级别的 flush 操作发送后, 会阻塞客户端写, 始终阻塞到整个 regionserver 级别的 memstore 的大小为 堆大小 0.4 0.95 为止

5.（hbase.hregion.preclose.flush.size）默认为：5M
当一个 region 中的 memstore 的大小大于这个值的时候，咱们又触发了 region 的 close 时，会先运行“pre-flush”操作，清理这个须要敞开的 memstore，而后 将这个 region 下线。当一个 region 下线了，咱们无奈再进行任何写操作。如果一个 memstore 很大的时候，flush 操作会耗费很多工夫。”pre-flush” 操作意味着在 region 下线之前，会先把 memstore 清空。这样在最终执行 close 操作的时候，flush 操作会很快。

6.（hbase.hstore.compactionThreshold）默认：超过 3 个
一个 store 外面容许存的 hfile 的个数，超过这个个数会被写到新的一个 hfile 外面 也即是每个 region 的每个列族对应的 memstore 在 flush 为 hfile 的时候，默认状况下当超过 3 个 hfile 的时候就会对这些文件进行合并重写为一个新文件，设置个数越大能够缩小触发合并的工夫，然而每次合并的工夫就会越长

2. compact 机制

把小的 storeFile 文件合并成大的 HFile 文件。
清理过期的数据，包含删除的数据
将数据的版本号保留为 1 个。

split 机制

当 HRegion 达到阈值，会把过大的 HRegion 一分为二。
默认一个 HFile 达到 10Gb 的时候就会进行切分。

搜寻公众号“五分钟学大数据”，深刻钻研大数据技术