浅谈HBase原理

---

---

HBase定义

HBase是一种分布式，可扩展，支持海量数据存储的NOSQL数据库

HBase逻辑结构

存储数据稀疏，数据存储多维，不同的行具有不同的列。
数据存储整体有序，按照RowKey的字典序排列，RowKey为Byte数组

HBase的底层物理存储结构（k-v）
RowKey—行键Hbase自带（唯一）
很多列分组----列族（可动态增加）
行序（唯一 如果不唯一 则覆盖）----字典序（按位比较）
把横向切分的叫Region-----表的切片

HBase物理存储结构

Storefile

TimeStamp

不同版本(version）的数 据根据timestamp进行区分

Type

对于删除操作，其类型为Delete

数据模型

NaneSpace

命名空间，类似于关系型数据库的database概念，每个命名空间下有多个表。Hbase有两个自带的命名间，分别是hbase和default，hbase中存放的是HBase内置的表，default表是用户默认使用的命名空间

Region

类似于关系型数据库的表概念．不同的是，HBase定义表时只需要声明列族即可，不需要声明具体的列。这意味着，往HBase写入数据时，字段可以动态、按需指定。因此，和关系型数据厍相比，HBase能够轻松应对字段变更的场景。

Row

HBase表中的每行数据都由一个RowKey和多个Column（列）组成，数据是按照RowKey的字典顺序存储的，并且查询数据时只能根据RowKey进行检索，所以RowKey的设计十分重要

Column

HBase中的每个列都由Column Family(列族）和Column Qualifier（列限定符）进行限定 例如info：name，info:age.建表时，只需指明列族，而列限定符无需预先定义

TineStamp

用于标识数据的不同版本(version)，每条数据写入时，如果不指定时间戳，系统会自动为其加上该字段，其值为写入HBase的时间

Cell

由{rowkey,column Family：column Qualifier,time Stamp)唯一确定的单元．cell中的数据是没有类型的，全部是字节码形式存贮

HBase架构

Master

实现类为 HMaster，负责监控集群中所有的 RegionServer 实例。主要作用如下：
（1）管理元数据表格 hbase:meta，接收用户对表格创建修改删除的命令并执行
（2）监控 region 是否需要进行负载均衡，故障转移和 region 的拆分。
通过启动多个后台线程监控实现上述功能：
①LoadBalancer 负载均衡器
周期性监控 region 分布在 regionServer 上面是否均衡，由参数 hbase.balancer.period 控
制周期时间，默认 5 分钟。
②CatalogJanitor 元数据管理器
定期检查和清理 hbase:meta 中的数据。meta 表内容在进阶中介绍。
③MasterProcWAL master 预写日志处理器
把 master 需要执行的任务记录到预写日志 WAL 中，如果 master 宕机，让 backupMaster
读取日志继续干。

Master 架构

Meta 表格介绍

全称 hbase：meta，只是在 list 命令中被过滤掉了，本质上和 HBase 的其他表格一样。
RowKey：
([table],[region start key],[region id]) 即 表名，region 起始位置和 regionID。
列：
info：regioninfo 为 region 信息，存储一个 HRegionInfo 对象。
info：server 当前 region 所处的 RegionServer 信息，包含端口号。
info：serverstartcode 当前 region 被分到 RegionServer 的起始时间。
如果一个表处于切分的过程中，即 region 切分，还会多出两列 info：splitA 和 info：splitB，
存储值也是 HRegionInfo 对象，拆分结束后，删除这两列。
注意：在客户端对元数据进行操作的时候才会连接 master，如果对数据进行读写，直接连接
zookeeper 读取目录/hbase/meta-region-server 节点信息，会记录 meta 表格的位置。直接读
取即可，不需要访问 master，这样可以减轻 master 的压力，相当于 master 专注 meta 表的
写操作，客户端可直接读取 meta 表。
在 HBase 的 2.3 版本更新了一种新模式：Master Registry。客户端可以访问 master 来读取
meta 表信息。加大了 master 的压力，减轻了 zookeeper 的压力。

Region Server

Region Server 实现类为 HRegionServer，主要作用如下:
（1）负责数据 cell 的处理，例如写入数据 put，查询数据 get 等
（2）拆分合并 region 的实际执行者，有 master 监控，有 regionServer 执行。

RegionServer 架构

MemStore

写缓存，由于 HFile 中的数据要求是有序的，所以数据是先存储在 MemStore 中，排好
序后，等到达刷写时机才会刷写到 HFile，每次刷写都会形成一个新的 HFile，写入到对应的
文件夹 store 中。

WAL

由于数据要经 MemStore 排序后才能刷写到 HFile，但把数据保存在内存中会有很高的
概率导致数据丢失，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 MemStore 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。

BlockCache

读缓存，每次查询出的数据会缓存在 BlockCache 中，方便下次查询。

Zookeeper

HBase 通过 Zookeeper 来做 master 的高可用、记录 RegionServer 的部署信息、并且存储
有 meta 表的位置信息。
HBase 对于数据的读写操作时直接访问 Zookeeper 的，在 2.3 版本推出 Master Registry
模式，客户端可以直接访问 master。使用此功能，会加大对 master 的压力，减轻对 Zookeeper
的压力。

HDFS

HDFS 为 Hbase 提供最终的底层数据存储服务，同时为 HBase 提供高容错的支持。

HBase写数据流程

Hbase读比写慢的过程

写流程：
（1）首先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server；
（2）访问对应的 Region Server，获取 hbase:meta 表，将其缓存到连接中，作为连接属
性 MetaCache，由于 Meta 表格具有一定的数据量，导致了创建连接比较慢；
之后使用创建的连接获取 Table，这是一个轻量级的连接，只有在第一次创建的时候会
检查表格是否存在访问 RegionServer，之后在获取 Table 时不会访问 RegionServer；
（3）调用Table的put方法写入数据，此时还需要解析RowKey，对照缓存的MetaCache，
查看具体写入的位置有哪个 RegionServer；
（4）将数据顺序写入（追加）到 WAL，此处写入是直接落盘的，并设置专门的线程控
制 WAL 预写日志的滚动（类似 Flume）；
（5）根据写入命令的 RowKey 和 ColumnFamily 查看具体写入到哪个 MemStory，并且
在 MemStory 中排序；
（6）向客户端发送 ack；
（7 ）等达到 MemStore 的刷写时机后，将数据刷写到对应的 story 中

HBase读数据流程

（1）创建 Table 对象发送 get 请求。
（2）优先访问 Block Cache，查找是否之前读取过，并且可以读取 HFile 的索引信息和
布隆过滤器。
（3）不管读缓存中是否已经有数据了（可能已经过期了），都需要再次读取写缓存和
store 中的文件。
（4）最终将所有读取到的数据合并版本，按照 get 的要求返回即可。

MemStore Flush

Memstore的刷写时机
Memstore刷写由多个线程控制，条件相互独立
主要的刷写规则是控制刷写文件的大小，在每一个刷写线程中都会进行监控
（1）当某个memstroe的大小达到了hbase.hregion.memstore.flush.size（默认值128M），
其所在region的所有memstore都刷写。
当memstore的大小达到了
hbase.hregion.memstore.flush.size（默认值128M）
*hbase.hregion.memstore.block.multiplier（默认值4）
时，会刷写同时阻止继续往该memstore写数据（由于线程监控是周期性的，所有有可能面对数据洪峰，尽管可能性比较小）
（2）由HRegionServer中的属性MemstoreFlusher内部线程FlushHandler控制。标准为LOWER_MARK（低水位线）和HIGH_MARK（高水位线），意义在于避免写缓存使用过多的内
存造成OOM
当regionserver中memstore的总大小达到低水位线
java_heapsize
*hbase.regionserver.global.memstore.size（默认值0.4）
*hbase.regionserver.global.memstore.size」ower.limit（默认值 0.95），
region会按照其所有memstore的大小顺序（由大到小）依次进行刷写。直到regionserver中所有memstore的总大小减小到上述值以下。
当regionserver中memstore的总大小达到高水位线
java_heapsize
*hbase.regionserver.global.memstore.size（默认值 0.4）
时，会同时阻止继续往所有的 memstore 写数据
（3）为了避免数据过长时间处于内存之中，到达自动刷写的时间，也会触发 memstore
flush。由 HRegionServer 的属性 PeriodicMemStoreFlusher 控制进行，由于重要性比较低，5min才会执行一次。
自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval（默认1 小时）
（4）当 WAL 文件的数量超过 hbase.regionserver.max.logs，region 会按照时间顺序依次进行刷写，直到 WAL 文件数量减小到 hbase.regionserver.max.log 以下（该属性名已经废弃，现无需手动设置，最大值为 32）。

StoreFile Compaction

由于 memstore 每次刷写都会生成一个新的 HFile，文件过多读取不方便，所以会进行文件的合并，清理掉过期和删除的数据，会进行StoreFile Compaction。
Compaction 分为两种，分别是 Minor Compaction 和 Major Compaction。Minor Compaction会将临近的若干个较小的 HFile 合并成一个较大的 HFile，并清理掉部分过期和删除的数据，有系统使用一组参数自动控制，Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大 HFile，并且会清理掉所有过期和删除的数据，由参数 hbase.hregion.majorcompaction控制，默认 7 天。

Minor Compaction 控制机制

参与到小合并的文件需要通过参数计算得到，有效的参数有 5 个
（1）hbase.hstore.compaction.ratio（默认 1.2F）合并文件选择算法中使用的比率。
（2）hbase.hstore.compaction.min（默认 3） 为 Minor Compaction 的最少文件个数。
（3）hbase.hstore.compaction.max（默认 10） 为 Minor Compaction 最大文件个数。
（4）hbase.hstore.compaction.min.size（默认 128M）为单个 Hfile 文件大小最小值，小于这个数会被合并。
（5）hbase.hstore.compaction.max.size（默认Long.MAX_VALUE）为单个 Hfile 文件大小最大值，高于这个数不会被合并。
小合并机制为拉取整个 store 中的所有文件，做成一个集合。之后按照从旧到新的顺序遍历。
判断条件为：
① 过小合并，过大不合并
② 文件大小/ hbase.hstore.compaction.ratio < (剩余文件大小和) 则参与压缩。所有把比值设
置过大，如 10 会最终合并为 1 个特别大的文件，相反设置为 0.4，会最终产生 4 个 storeFile。
不建议修改默认值
③ 满足压缩条件的文件个数达不到个数要求（3 <= count <= 10）则不压缩。