去年8月给我们平台封装了HBase接口，一直想写一些关于HBase的，现在终于写了点。附思维导图一张。

hbase一个列族最多多少列 hbase中列和列族的关系图_数据

一、HBase基本概念

  • RowKey：是Byte array，是表中每条记录的“主键”，方便快速查找，Rowkey的设计非常重要。
  • Column Family：列族，拥有一个名称(string)，包含一个或者多个相关
  • Column：属于某一个columnfamily，familyName:columnName，每条记录可动态添加
  • Version Number：类型为Long，默认值是系统时间戳，可由用户自定义
  • Value(Cell)：Byte array

二、物理存储
1、Table中所有行都按照row key的字典序排列；
2、Table在行的方向上分割为多个Region；
3、Region按大小分割的，每个表开始只有一个region，随着数据增多，region不断增大，当增大到一个阀值的时候region就会等分会两个新的region，之后会有越来越多的region；
4、Region是Hbase中分布式存储和负载均衡的最小单元，不同Region分布到不同RegionServer上。
5、Region虽然是分布式存储的最小单元，但并不是存储的最小单元。Region由一个或者多个Store组成，每个store保存一个columns family；每个Strore又由一个memStore和0至多个StoreFile组成，StoreFile包含HFile；memStore存储在内存中，StoreFile存储在HDFS上。

三、基本组件
Client

  • 包含访问HBase的接口，并维护cache来加快对HBase的访问，比如region的位置信息

Master

  • 为Region server分配region
  • 负责Region server的负载均衡
  • 发现失效的Region server并重新分配其上的region
  • 管理用户对table的增删改查操作

Region Server

  • Regionserver维护region，处理对这些region的IO请求
  • Regionserver负责切分在运行过程中变得过大的region

Zookeeper作用

  • 通过选举，保证任何时候，集群中只有一个master，Master与RegionServers 启动时会向ZooKeeper注册
  • 存储所有Region的寻址入口
  • 实时监控Region server的上线和下线信息。并实时通知给Master
  • 存储HBase的schema和table元数据
  • 默认情况下，HBase 管理ZooKeeper 实例，比如：启动或者停止ZooKeeper
  • Zookeeper的引入使得Master不再是单点故障

四、HBase容错性
Master容错：Zookeeper重新选择一个新的Master

  • 无Master过程中，数据读取仍照常进行；
  • 无master过程中，region切分、负载均衡等无法进行；

RegionServer容错：
定时向Zookeeper汇报心跳，如果一旦时间内未出现心跳，Master将该RegionServer上的Region重新分配到其他RegionServer上，失效服务器上“预写”日志由主服务器进行分割并派送给新的RegionServer
Zookeeper容错：Zookeeper是一个可靠地服务，一般配置3或5个Zookeeper实例

五、写流程

  1. zookeeper中存储了meta表的region信息，从meta表获取相应region信息，然后找到meta表的数据
  2. 根据namespace、表名和rowkey根据meta表的数据找到写入数据对应的region信息
  3. 找到对应的regionserver
  4. 把数据分别写到HLog和MemStore上一份
  5. MemStore达到一个阈值后则把数据刷成一个StoreFile文件。若MemStore中的数据有丢失，则可以总HLog上恢复
  6. 当多个StoreFile文件达到一定的大小后，会触发Compact合并操作，合并为一个StoreFile，这里同时进行版本的合并和数据删除。
  7. 当Compact后，逐步形成越来越大的StoreFIle后，会触发Split操作，把当前的StoreFile分成两个，这里相当于把一个大的region分割成两个region。
    六、读流程
    读数据流程
  8. zookeeper中存储了meta表的region信息，所以先从zookeeper中找到meta表region的位置，然后读取meta表中的数据。meta中又存储了用户表的region信息。
  9. 根据namespace、表名和rowkey在meta表中找到对应的region信息
  10. 找到这个region对应的regionserver
  11. 查找对应的region
  12. 先从MemStore找数据，如果没有，再到BlockCache上读，最后到StoreFile上读