Hbase运行机制

本文思路

• Hbase是什么
• Hbase的优劣
• Hbase架构
• Hbase容错
• Hbase使用总结

HBase是什么

1. 基于HDFS的列式存储NoSql数据库
2. 适合于非结构化数据存储的数据库

Hbase的特点

1.采用稀疏列式存储，节约存储空间
2.可以自动切分数据，能够水平拓展
3.可以提供高并发，低延迟的读写操作

缺点
不支持丰富的条件筛选，只能根据rowkey进行get或者scan读取

Hbase架构

Client

hbase的访问客户端，可以做一些本地缓存，来加快对hbase集群的访问，如 region的位置信息

HMaster

负责HRegionServer的负载均衡，给HRegionServier分配Region。client读取数据不经过HMaster。

HRegionServer

管理Region，负责Region的切分和合并

HRegion

Table在行的方向上分割为多个HRegion，HRegion是HBase中分布式存储和负载均衡的最小单元，即不同的HRegion可以分别在不同的HRegionServer上，但同一个HRegion是不会拆分到多个HRegionServer上的。HRegion按大小分割，每个表一般只有一个HRegion，随着数据不断插入表，HRegion不断增大，当HRegion的某个列簇达到一个阀值（默认256M）时就会分成两个新的HRegion。

Store

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(数据写入先写memStore，当memStore超过阀值（默认64MB），则会刷入以StoreFile磁盘)。

Zookeeper

zk的引入，第一防止HMaster单点故障。另外还作为存储，保存-Root- 的HRegionServer位置。

物理架构

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

HBase写入

每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复

HBase读取

读数据的关键是定位Region所在的RegionServer，数据的RegionServer如果被定位过，会缓存到client端。

HBase里有两个特殊表分别是 -ROOT- 和 .META.
-ROOT-
表包含.META.表所在的region列表，该Region永不拆分，只有一个。

.META.
表包含所有的用户表对应的region的位置信息。

定位RegionServer
ZooKeeper--> -ROOT-(单Region)--> .META.--> 用户表
ZK的结构如下

整个过程如下

Hbase使用总结

1.rowKey 必须尽量的分散，避免数据倾斜到单个Region节点。

2. 自增id开头的，一定要 reverse 反转一下
3. 罗列出查询场景，看看rowkey是否能满足查询需要
4. scan查询，默认一次只返回100条数据，如果需要返回的更多，需要设置cache参数
5. mutliGet注意控制 rowkey数量，针对rt设置一个合理的查询上限

---

参考文章
https://cloud.tencent.com/developer/article/1018571
https://www.jianshu.com/p/3832ae37fac4
http://www.uml.org.cn/bigdata/201810181.asp
官方
http://blog.zahoor.in/2012/08/hbase-hmaster-architecture/
http://hbase.apache.org/book.html#regionserver_splitting_implementation