Linux：HBase知识点笔记
文章目录
1.HBase是什么？
Hadoop database，是一个高可靠、高性能、面向列、可伸缩的分布式数据库，是谷歌BigTable的开源实现，主要用来存储非结构化和半结构化的松散数据。
- 面向半结构化数据存储和处理的高可扩展、低写入/查询延迟的系统。
2.hbase的特点
(1)数据类型：字符串
(2)数据操作：插入、查询、删除、清空
(3)存储模式：基于列存储，每个列族都由几个文件保存，不同列族文件是分离的。
(4)数据索引：行键
(5)数据维护：更新操作时，生成新的版本，旧版本不删除仍保留。
(6)可伸缩性：能够轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩。
3.数据模型
- HBase是一个稀疏、多维度、排序的映射表，这张表的索引是行键、列族、列限定符和时间戳。
- 列族支持动态扩展，可以很轻松地添加一个列族或列，无需预先定义列的数量以及类型，所有列均以字符串形式存储，用户需要自行进行数据类型转换。
- 表、行、列族、列限定符、单元格、时间戳
- 四维坐标确定一个单元格：[行键，列族，列限定符，时间戳]
4.HBase组件功能
（1）库函数：链接到每个客户端
（2）一个Master主服务器
（3）许多个Region服务器
- 主服务器Master负责管理和维护HBase表的分区信息，维护Region服务器列表，分配Region，负载均衡 。
- Region服务器负责存储和维护分配给自己的Region，处理来自客户端的读写请求。
- 客户端并不是直接从Master主服务器上读取数据，而是在获得Region的存储位置信息后，直接从Region服务器上读取数据，大多数客户端几乎从来不和Master通信，这种设计方式使得Master负载很小。
5.表和Region（一个表对应一个Region）
- 同一个Region不会被分拆到多个Region服务器
- 每个Region服务器存储10-1000个Region
6.HBase系统架构
（1）客户端
客户端包含访问HBase的接口，同时在缓存中维护着已经访问过的Region位置信息，用来加快后续数据访问过程。
（2）Zookeeper服务器
Zookeeper可以帮助选举出一个Master作为集群的总管，并保证在任何时刻总有唯一一个Master在运行，这就避免了Master的“单点失效”问题。
（3）Master主服务器：主要负责表和Region的管理工作
– 管理用户对表的增加、删除、修改、查询等操作；
– 实现不同Region服务器之间的负载均衡；
– 在Region分裂或合并后，负责重新调整Region的分布；
– 对发生故障失效的Region服务器上的Region进行迁移；
（4）Region服务器：HBase中最核心的模块，负责维护分配给自己的Region，并响应用户的读写请求。
7.HBase服务器工作原理
（1）用户读写数据过程
- 用户写入数据时，被分配到相应Region服务器去执行
- 用户数据首先被写入到MemStore和Hlog中
- 只有当操作写入Hlog之后，commit()调用才会将其返回给客户端
- 当用户读取数据时，Region服务器会首先访问MemStore缓存，如果找不到，再去磁盘上
面的StoreFile中寻找
（2）缓存的刷新
- 系统会周期性地把MemStore缓存里的内容刷写到磁盘的StoreFile文件中，清空缓存，并在Hlog里面写入一个标记
- 每次刷写都生成一个新的StoreFile文件，因此，每个Store包含多个StoreFile文件
- 每个Region服务器都有一个自己的HLog 文件，每次启动都检查该文件，确认最近一次执行缓存刷新操作之后是否发生新的写入操作；如果发现更新，则先写入MemStore，再刷写到StoreFile，最后删除旧的Hlog文件，开始为用户提供服务
（3）StoreFile的合并
- 每次刷写都生成一个新的StoreFile，数量太多，影响查找速度
- 调用Store.compact()把多个合并成一个
- 合并操作比较耗费资源，只有数量达到一个阈值才启动合并
8.Store工作原理
- Store是Region服务器的核心
- 多个StoreFile合并成一个
- 单个StoreFile过大时，又触发分裂操作，1个父Region被分裂成两个子Region