大数据数据库HBase(一)——架构原理

大数据数据库HBase(一)——架构原理
强烈推介IDEA2021.1.3破解激活,IntelliJ IDEA 注册码,2021.1.3IDEA 激活码  

大家好,我是架构君,一个会写代码吟诗的架构师。今天说一说大数据数据库HBase(一)——架构原理,希望能够帮助大家进步!!!

一、HBase简介

1.1.Hadoop生态系统

 

 

 

大数据数据库HBase(一)——架构原理

1.2.非关系型数据库知识面扩展 

  • Cassandra hbase mongodb 
  • Couchdb,文件存储数据库 
  • Neo4j非关系型图数据库

1.3.Hbase初始

  • Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库
  • 利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务
  • 主要用来存储非结构化和半结构化的松散数据(列存 NoSQL 数据库)

二、HBase数据模型

大数据数据库HBase(一)——架构原理

                                                               图2.1 逻辑形式图

一张类似这样的表,确定一个value必须有RowKey,Time Stamp,column Family,column key

2.1.1.ROW KEY

– 决定一行数据
– 按照字典顺序排序的。
– Row key只能存储64k的字节数据

2.1.2.Column Family列族 & qualifier列

– HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema)定义的一
部分预先给出。如 create ‘test’, ‘course’;
– 列名以列族作为前缀,每个“列族”都可以有多个列成员(column);如course:math,
course:english, 新的列族成员(列)可以随后按需、动态加入;
– 权限控制、存储以及调优都是在列族层面进行的;
– HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。

2.1.3.Timestamp时间戳

– 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一
的时间戳来区分每个版本之间的差异,不同版本的数据按照时
间倒序排序,最新的数据版本排在最前面。
– 时间戳的类型是 64位整型。
– 时间戳可以由HBase(在数据写入时自动)赋值,此时时间戳是精
确到毫秒的当前系统时间。
– 时间戳也可以由客户显式赋值,如果应用程序要避免数据版本
冲突,就必须自己生成具有唯一性的时间戳。
 

2.1.4.Cell单元格

– 由行和列的坐标交叉决定;
– 单元格是有版本的;
– 单元格的内容是未解析的字节数组;
▪ 由{row key, column( =<family> +<qualifier>), version} 唯一确定的
单元。
▪ cell中的数据是没有类型的,全部是字节数组形式存贮。

 
大数据数据库HBase(一)——架构原理

                                                                                 图 2-2 Hbase架构图

2.2.1.Client

▪ 包含访问HBase的接口并维护cache来加快对HBase的访问

2.2.2.Zookeeper

▪ 保证任何时候,集群中只有一个活跃master
▪ 存贮所有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Master
▪ 存储HBase的schema和table元数据

2.2.3.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的增删改操作

2.2.4. RegionServer

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

2.2.5.Memstore 与 storefile

– 一个region由多个store组成,一个store对应一个CF(列族)
– store包括位于内存中的memstore和位于磁盘的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后,系统会进行合并(minor、major
compaction),在合并过程中会进行版本合并和删除工作(majar),形成更大
的storefile
– 当一个region所有storefile的大小和数量超过一定阈值后,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
– 客户端检索数据,先在memstore找,找不到去blockcache,找不到再找storefile
 
▪ HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion
可以分布在不同的 HRegion server上。
▪ HRegion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。如图:StoreFile以HFile格式保存
在HDFS上。
 
大数据数据库HBase(一)——架构原理

                                                             图 2-3 Region & Store 关系图
 
大数据数据库HBase(一)——架构原理

                                                            图 2-4 关系图(二)

转载于:https://www.cnblogs.com/littlepage/p/11273098.html

本文来源weixin_30595035,由架构君转载发布,观点不代表Java架构师必看的立场,转载请标明来源出处:https://javajgs.com/archives/29589

发表评论