HBase详解（很全面）

1、 简介

history

started by chad walters and jim

2006.11 G release paper on BigTable

2007.2 inital HBase prototype created as Hadoop contrib

2007.10 First useable Hbase

2008.1 Hadoop become Apache top-level project and Hbase becomes subproject

2008.10 Hbase 0.18,0.19 released

 

hbase是bigtable的开源山寨版本。是创建的hdfs之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。

它介于nosql和RDBMS之间，仅能经过主键(row key)和主键的range来检索数据，仅支持单行事务(可经过hive支持来实现多表join等复杂操做)。主要用来存储非结构化和半结构化的松散数据。

与hadoop同样，Hbase目标主要依靠横向扩展，经过不断增长廉价的商用服务器，来增长计算和存储能力。

 

HBase中的表通常有这样的特色：

1 大：一个表能够有上亿行，上百万列

2 面向列:面向列(族)的存储和权限控制，列(族)独立检索。

3 稀疏:对于为空(null)的列，并不占用存储空间，所以，表能够设计的很是稀疏。

 

下面一幅图是Hbase在Hadoop Ecosystem中的位置。

2、 逻辑视图

 

HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族(row family)

Row Key 

与nosql数据库们同样,row key是用来检索记录的主键。访问hbase table中的行，只有三种方式：

1 经过单个row key访问

2 经过row key的range

3 全表扫描

Row key行键 (Row key)能够是任意字符串(最大长度是 64KB，实际应用中长度通常为 10-100bytes)，在hbase内部，row key保存为字节数组。

存储时，数据按照Row key的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将常常一块儿读取的行存储放到一块儿。(位置相关性)

注意：

字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的天然序，行键必须用0做左填充。

行的一次读写是原子操做 (不论一次读写多少列)。这个设计决策可以使用户很容易的理解程序在对同一个行进行并发更新操做时的行为。

 

列族

hbase表中的每一个列，都归属与某个列族。列族是表的chema的一部分(而列不是)，必须在使用表以前定义。列名都以列族做为前缀。例如courses:history ， courses:math 都属于 courses 这个列族。

访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能 帮助咱们管理不一样类型的应用：咱们容许一些应用能够添加新的基本数据、一些应用能够读取基本数据并建立继承的列族、一些应用则只容许浏览数据（甚至可能因 为隐私的缘由不能浏览全部数据）。

 

时间戳

HBase中经过row和columns肯定的为一个存贮单元称为cell。每一个 cell都保存着同一份数据的多个版本。版本经过时间戳来索引。时间戳的类型是 64位整型。时间戳能够由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。时间戳也能够由客户显式赋值。若是应用程序要避免数据版本冲突，就必须本身生成具备惟一性的时间戳。每一个 cell中，不一样版本的数据按照时间倒序排序，即最新的数据排在最前面。

为了不数据存在过多版本形成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本（好比最近七天）。用户能够针对每一个列族进行设置。

 

Cell

由{row key, column( =<family> + <label>), version} 惟一肯定的单元。cell中的数据是没有类型的，所有是字节码形式存贮。

 

3、 物理存储

1 已经提到过，Table中的全部行都按照row key的字典序排列。

2 Table 在行的方向上分割为多个Hregion。

3 region按大小分割的，每一个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阀值的时候，Hregion就会等分会两个新的Hregion。当table中的行不断增多，就会有愈来愈多的Hregion。

4 Hregion是Hbase中分布式存储和负载均衡的最小单元。最小单元就表示不一样的Hregion能够分布在不一样的HRegion server上。但一个Hregion是不会拆分到多个server上的。

5 HRegion虽然是分布式存储的最小单元，但并非存储的最小单元。

事实上，HRegion由一个或者多个Store组成，每一个store保存一个columns family。

每一个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。

HFile的格式为：

Trailer部分的格式:

HFile分为六个部分：

Data Block 段–保存表中的数据，这部分能够被压缩

Meta Block 段 (可选的)–保存用户自定义的kv对，能够被压缩。

File Info 段–Hfile的元信息，不被压缩，用户也能够在这一部分添加本身的元信息。

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。

Meta Block Index段 (可选的)–Meta Block的索引。

Trailer–这一段是定长的。保存了每一段的偏移量，读取一个HFile时，会首先 读取Trailer，Trailer保存了每一个段的起始位置(段的Magic Number用来作安全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，经过一次磁盘io将整个 block读取到内存中，再找到须要的key。DataBlock Index采用LRU机制淘汰。

HFile的Data Block，Meta Block一般采用压缩方式存储，压缩以后能够大大减小网络IO和磁盘IO，随之而来的开销固然是须要花费cpu进行压缩和解压缩。

目标Hfile的压缩支持两种方式：Gzip，Lzo。

 

HLog(WAL log)

WAL 意为Write ahead log(http://en.wikipedia.org/wiki/Write-ahead_logging)，相似mysql中的binlog,用来 作灾难恢复只用，Hlog记录数据的全部变动,一旦数据修改，就能够从log中进行恢复。

每一个Region Server维护一个Hlog,而不是每一个Region一个。这样不一样region(来自不一样table)的日志会混在一块儿，这样作的目的是不断追加单个 文件相对于同时写多个文件而言，能够减小磁盘寻址次数，所以能够提升对table的写性能。带来的麻烦是，若是一台region server下线，为了恢复其上的region，须要将region server上的log进行拆分，而后分发到其它region server上进行恢复。

HLog文件就是一个普通的Hadoop Sequence File，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，同时还包括 sequence number和timestamp，timestamp是”写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。HLog Sequece File的Value是HBase的KeyValue对象，即对应HFile中的KeyValue，可参见上文描述。

 

4、 系统架构

 

 

Client

1 包含访问hbase的接口，client维护着一些cache来加快对hbase的访问，好比regione的位置信息。

 

Zookeeper

1 保证任什么时候候，集群中只有一个master

2 存贮全部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通知给Master

4 存储Hbase的schema,包括有哪些table，每一个table有哪些column family

 

Master

1 为Region server分配region

2 负责region server的负载均衡

3 发现失效的region server并从新分配其上的region

4 GFS上的垃圾文件回收

5 处理schema更新请求

 

Region Server

1 Region server维护Master分配给它的region，处理对这些region的IO请求

2 Region server负责切分在运行过程当中变得过大的region

能够看到，client访问hbase上数据的过程并不须要master参与（寻址访问zookeeper和region server，数据读写访问regione server），master仅仅维护者table和region的元数据信息，负载很低。

 

5、关键算法 / 流程

region定位

系统如何找到某个row key (或者某个 row key range)所在的region

bigtable 使用三层相似B+树的结构来保存region位置。

第一层是保存zookeeper里面的文件，它持有root region的位置。

第二层root region是.META.表的第一个region其中保存了.META.z表其它region的位置。经过root region，咱们就能够访问.META.表的数据。

.META.是第三层，它是一个特殊的表，保存了hbase中全部数据表的region 位置信息。

说明：

1 root region永远不会被split，保证了最须要三次跳转，就能定位到任意region 。

2.META.表每行保存一个region的位置信息，row key 采用表名+表的最后同样编码而成。

3 为了加快访问，.META.表的所有region都保存在内存中。

假设，.META.表的一行在内存中大约占用1KB。而且每一个region限制为128MB。

那么上面的三层结构能够保存的region数目为：

(128MB/1KB) * (128MB/1KB) = = 2(34)个region

4 client会将查询过的位置信息保存缓存起来，缓存不会主动失效，所以若是client上的缓存所有失效，则须要进行6次网络来回，才能定位到正确的region(其中三次用来发现缓存失效，另外三次用来获取位置信息)。

 

读写过程

上文提到，hbase使用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累计到必定阈值时，就会建立一个新的MemStore，并 且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。于此同时，系统会在zookeeper中 记录一个redo point，表示这个时刻以前的变动已经持久化了。(minor compact)

当系统出现意外时，可能致使内存(MemStore)中的数据丢失，此时使用Log(WAL log)来恢复checkpoint以后的数据。

前面提到过StoreFile是只读的，一旦建立后就不能够再修改。所以Hbase的更 新实际上是不断追加的操做。当一个Store中的StoreFile达到必定的阈值后，就会进行一次合并(major compact),将对同一个key的修改合并到一块儿，造成一个大的StoreFile，当StoreFile的大小达到必定阈值后，又会对 StoreFile进行split，等分为两个StoreFile。

因为对表的更新是不断追加的，处理读请求时，须要访问Store中所有的 StoreFile和MemStore，将他们的按照row key进行合并，因为StoreFile和MemStore都是通过排序的，而且StoreFile带有内存中索引，合并的过程仍是比较快。

写请求处理过程

1 client向region server提交写请求

2 region server找到目标region

3 region检查数据是否与schema一致

4 若是客户端没有指定版本，则获取当前系统时间做为数据版本

5 将更新写入WAL log

6 将更新写入Memstore

7 判断Memstore的是否须要flush为Store文件。

 

region分配

任什么时候刻，一个region只能分配给一个region server。master记录了当前有哪些可用的region server。以及当前哪些region分配给了哪些region server，哪些region尚未分配。当存在未分配的region，而且有一个region server上有可用空间时，master就给这个region server发送一个装载请求，把region分配给这个region server。region server获得请求后，就开始对此region提供服务。

 

region server上线

master使用zookeeper来跟踪region server状态。当某个region server启动时，会首先在zookeeper上的server目录下创建表明本身的文件，并得到该文件的独占锁。因为master订阅了server 目录上的变动消息，当server目录下的文件出现新增或删除操做时，master能够获得来自zookeeper的实时通知。所以一旦region server上线，master能立刻获得消息。

 

region server下线

当region server下线时，它和zookeeper的会话断开，zookeeper而自动释放表明这台server的文件上的独占锁。而master不断轮询 server目录下文件的锁状态。若是master发现某个region server丢失了它本身的独占锁，(或者master连续几回和region server通讯都没法成功),master就是尝试去获取表明这个region server的读写锁，一旦获取成功，就能够肯定：

1 region server和zookeeper之间的网络断开了。

2 region server挂了。

的其中一种状况发生了，不管哪一种状况，region server都没法继续为它的region提供服务了，此时master会删除server目录下表明这台region server的文件，并将这台region server的region分配给其它还活着的同志。

若是网络短暂出现问题致使region server丢失了它的锁，那么region server从新链接到zookeeper以后，只要表明它的文件还在，它就会不断尝试获取这个文件上的锁，一旦获取到了，就能够继续提供服务。

 

master上线

master启动进行如下步骤:

1 从zookeeper上获取惟一一个代码master的锁，用来阻止其它master成为master。

2 扫描zookeeper上的server目录，得到当前可用的region server列表。

3 和2中的每一个region server通讯，得到当前已分配的region和region server的对应关系。

4 扫描.META.region的集合，计算获得当前还未分配的region，将他们放入待分配region列表。

 

master下线

因为master只维护表和region的元数据，而不参与表数据IO的过 程，master下线仅致使全部元数据的修改被冻结(没法建立删除表，没法修改表的schema，没法进行region的负载均衡，没法处理region 上下线，没法进行region的合并，惟一例外的是region的split能够正常进行，由于只有region server参与)，表的数据读写还能够正常进行。所以master下线短期内对整个hbase集群没有影响。从上线过程能够看到，master保存的 信息全是能够冗余信息（均可以从系统其它地方收集到或者计算出来），所以，通常hbase集群中老是有一个master在提供服务，还有一个以上 的’master’在等待时机抢占它的位置。

 

6、访问接口

• HBase Shell
• Java clietn API
• HBase non-java access
• • languages talking to the JVM
  • • Jython interface to HBase
    • Groovy DSL for HBase
    • Scala interface to HBase
  • languages with a custom protocol
  • • REST gateway specification for HBase
    • 充分利用HTTP协议：GET POST PUT DELETE

§

• • • text/plain
    • text/xml
    • application/json
    • application/x-protobuf
  • Thrift gateway specification for HBase
  • • java
    • cpp
    • rb
    • py
    • perl
    • php
• HBase Map Reduce
• Hive/Pig

7、结语：

全文对 Hbase作了 简单的介绍，有错误之处，敬请指正。将来将结合 Hbase 在淘宝数据平台的应用场景，在更多细节上进行深刻。

 

参考文档

Bigtable: A Distributed Storage System for Structured Data

HFile: A Block-Indexed File Format to Store Sorted Key-Value Pairs for a thorough introduction Hbase Architecture 101

Hbase source code