好程序员大数据学习路线Hbase总结

好程序员大数据学习路线Hbase总结，为什么有hbase

　　随着数据的逐渐增大，传统的关系型数据库无法满足对数据的查询和存储，而hive不是数据库，只是数据仓库，虽然能够满足简单的存储要求，但是始终无法满足对非结构化和半结构化的数据的存储和查询

2hbase是什么

　　Hbase是阿帕奇旗下的一款开源的，多版本的，可扩展的非关系型数据库。

　　他是基于谷歌的bigtable的基础上，建立在hdfs上的一款提供高 可靠性的，高性能的列式存储，可伸缩，实时读写的nosql的数据库系统

3适用场景

     海量数据存储

     随机实时读写和管理数据

4特点

      列式存储

      模式：无模式（不需要use gp1808,就可以直接创建表了,所以导致hbase中的表是不可以重名的）

      数据类型：单一的byte[]

      多版本（version）：每个值都可以有多个版本

      稀疏存储：如果kv为null，则不占用存储空间

5结构框架

Client：

　　hbase的客户端，包含访问的hbase的接口（linux shell ,java api）

     维护一些cache(缓存)来加速hbase的速度，比如region的位置信息

Zookeeper:

       监控hmaster的状态，保证有且只有一个active的hmaster，达到高可用

       存储所有的region的寻址入口，

       实时监控hregionserver的状态，将regionserrver的上下线信息实时通知给hmaster

       存储hbase的所有表的信息（hbase的元数据）

Hmster(hbase的老大)

     为regionserver分配region（新建表）

     负责regionserver的负载均衡

     负责region的重新分配（处理hregionserver异常，hregion裂变）

     Hdfs上的垃圾文件回收

     处理schema的更新请求

Hregionserver（hbase的小弟）   

     维护老大给他的region(管理本机上的region)

     处理client对region的IO请求，并和hdfs交互

     Regionserver负责切分在运行过程中变大的region

Hregion:

     Hbase中分布式的存储和负载的最小单元，表或者是表的一部分

　　（在HBase中数据按主键排序，同时表按主键划分为多个Region

Region按大小分割的，随着数据增多，Region不断增大，当增大到一个阀值的Region就会分成两个新的Region）

　　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。每个Region包含着多个Store对象。每个Store包含一个MemStore或若干StoreFile，StoreFile包含一个或多个HFile。MemStore存放在内存中，StoreFile存储在HDFS上。

Hlog；

     对hbase的操作进行记录，使用wal（Write-Ahead-Log）写数据，优先写入log,然后再写入memstore,以防数据丢失时可以进行日志回滚回复数据

Store：

      相当于一个列簇。

Memstore:128M

       内存缓冲区，用于将数据批量刷新到hdfs上

Hstorefile(hfile)

       Hbase中的数据是以hfile的形式存储到hdfs上

写流程：

1client通过zookeeper的调度，向regionserver发出写数据请求，在region中写数据

2数据被写入region的memstore，直达memstore达到预设的阈值（128M）

3memstore中的数据被flush成一个storefile

4随着storefile文件的不断增多，当其数量增长到一定阈值的时候，触发了compact合并操作，将多个storefile合并成一个storefile,同时进行版本合并和数据删除

5storefiles通过不断的compact合并操作，逐渐形成越来越大的storefile

6单个storefile大小超过一定阈值之后，触发spilt操作，把当前的region切分成2个新的region，父region会下线，新切出的2个字region会被hmaster分配到相应的regionserver上，使得原先的一个region的压力的以分配到2个region上

读流程：

1client访问zookeeper，查找root表，获取meta表的信息

2从meta表中查找，获取存放的目标的region信息，从而找到对应的regionserver

3通过regionserver获取需要查询的数据

4regionserver的内存分为memstore和blockcache两部分，memstore主要用于写数据，blockcache主要用于读数据，请求先到memstore中查数据，查不到就在blockcache在查，再查不到就会到storefile上读，并把读的结果放入blockcache

寻址过程：client-->Zookeeper-->-ROOT-表-->.META.表-->RegionServer-->Region-->client

Rowkey：行键，和mysql的主键一样，不允许重复，按照字典顺序排列

Columnfamily：列簇

Column：列

Timestamp:时间戳，默认显示最新的时间戳

Version：版本号，记录数据的版本

Cell:单元格，一个key 一个value