Hbase概念原理扫盲

bainianminguo 2019-12-28 我要评论

一、Hbase简介

1、什么是Hbase

Hbase的原型是google的BigTable论文，收到了该论文思想的启发，目前作为hadoop的子项目来开发维护，用于支持结构化的数据存储。

Hbase是一个高可靠性（存储在hdfs上，有副本机制），高性能，面向列，非关系型的数据库（类似redis），可伸缩的分布式存储系统（因为是存储在hdfs上），利用hbase技术可在廉价PC server上搭建大规模结构化的数据库存储集群。

Hbase的目标是存储并处理大型的数据，更具体来说仅需使用普通的硬件，就能够处理由成千上万行和列所组成的大型数据。

Hbase是基于hdfs构建的分布式存储框架，但是Hbase在hdfs上实现随机的读写改，解决了hdfs不支持的东西

2、Hbase的特点

A、海量存储

B、列式存储

这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的，列族下面可以有非常多的列，列族在创建表的时候必须指定

Hbase中的列和mysql的列不是一个东西，Hbase的列就是他的数据

C、极易扩展

Hbase的扩展性主要体现在两个方面，一个是基于上层的梳理能力的扩展（RegionServer，相当于datanode，处理读写请求），一个是基于存储的扩展（hdfs）

通过横向添加RegionServer的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbase服务更多的Region的能力。

备注：RegionServer的作用是管理Region）（类似mysql中的表的概念），承接客户端的读写请求的访问，这个后面会详细的介绍通过横向添加datanode的机器，进行存储层的扩容，提升Bhbase的存储能力和提升后端存储的读写能力

D、稀疏

稀疏主要是针对于hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的，这里和mysql等数据库不一样，mysql如果每个字段没有值，那这个字段的值为null，不为空，且会占用存储空间

3、Hbase的架构

Hbase的架构示意图如下

Hbase由HMaster和HRegionServer组成，HMaster的高可用也依赖于zk，类似于hdfs中的Namenode;

HRegionServer相当于hdfs中的datanode，实际处理读写请求的节点;

a、Zookeeper

HBase通过zk来做Hmaster的高可用，RegionServer的监控，元数据的入口以及集群配置的维护等工作，具体工作入下

通过zk来保证集群中只有一个master在运行，如果master异常，会通过竞争机制产生新的master提供服务

通过zk来监控RegionServer的状态，当RegionServer有异常的时候，通过回调的形式通知master,RegionServer上下线的信息

通过zk存储元数据的统一入口地址；

b、HMaster

为RegionServer分配Region

维护集群的负载均衡，就是分配Region

维护集群的元数据信息

发现失效的Region，并将失效的Region分配到正常的RegionServer上

当RegionServer失效的时候，协调对应的Hlog和hdfs的block进行数据恢复

C、HRegionServer

HRegionServer直接对接用户的读写请求，是真正的干活的节点，他的功能概括如下

管理master为其分配的Region

处理来自客户端的读写请求

负责和底层hdfs的交互，存储数据到hdfs中

负责Region变大后的拆分

负责Storefile的合并工作

D、HDFS

Hdfs为hbase提供最终的底层数据存储服务

提供元数据和表数据的底层分布式存储服务

数据的多副本，保证高可靠和高可用

E、Hlog

一个HRegionServer中只有一个Hlog，Hlog相当于hdfs中的edits文件，保存Hbase的修改记录，当对Hbase写数据的时候，数据不是直接写进磁盘，他会在内存中保留一段时间（时间i将数据量的阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做Hlog的文件中，Hlog存储在磁盘上，也位于hdfs上，然后在写入内存，所以在系统出现故障或者内存丢失的时候，数据可以通过这个日志文件进行重建

F、Region

Region相当于mysql中的表，一个HRegionServer可以有多个Region，一个HRegionServer会有多个Region；如果表的数据太大，会进行拆分，按照数据量平均切分，所有HBase中的一张表会对应一个或者多个Region，当表的内容很小，一张表就对应一个Region，如果表很大的话，则这个Region会切分，切分Region会同时拆分这个Region的所有Store。

G、Store

Store相当于列族，通俗的讲就是列的家族，在hbase中，想创建一个列，必须要指定列族，也就是一个列必须属于某个列族。一个表中可以有多个列族，一个store对应一个列族，hbase官方不建议多个列族，一个列族就可以搞上百个列，足够用了。但是如果一个HRegion被切分的话，是切分列族，所以就算一个HRegion只有一个列表，切分后一个Region也会对应多个Store，多个strore会被分配到其他的HRegionServer节点进行存储

H、MemStore

MemStore就是列族中的数据放在内存中，写数据来了，会写到内存中，只要内存写入成功，则就返回。

I、StoreFile

StoreFile，数据放在内存不安全，而且有大小限制，所以需要把内存中的数据写到磁盘中，以Hfile的格式存储在hdfs上。每次memstore刷一次，形成一个storefile，所以storefile会很多，但是很小，因为内存本身就不大，后面storeFile也会合并，但是这个合并也仅仅是一个列族内部的StoreFile进行合并，不会跨列族合并的

J、HFile

这是磁盘上保存的原始数据的实际的物理文件，是实际的存储文件，storefile是以Hfile的形式存储在hdfs中

二、Hbase安装

1、首先要安装zk

2、然后要安装hdfs

3、最后在安装hbase

4、解压，修改配置文件

这里重点说下修改配置文件，前面的就不说了，因为我在实际使用过程中使用ambari工具来进行安装

首先修改hbase-env.sh

配置java的环境变量

export JAVA_HOME=/usr/lib/jvm/java

配置zk，Hbase也是强依赖于zookeeper的，是否要启用自己的zookeeper。如果用则为true，如果用外部的zookeeper，则为false

export HBASE_MANAGES_ZK=false

配置hbase-site.xml

<property>
      <name>hbase.rootdir</name>
      <value>/apps/hbasehttps://img.qb5200.com/download-x/data</value>
    </property>

配置hbase是否启用集群

    <property>
      <name>hbase.cluster.distributed</name>
      <value>true</value>
    </property>

设置Hbase的服务的端口号，不是 web的端口号，web的端口号是16010

  <property>
      <name>hbase.master.info.port</name>
      <value>16010</value>
    </property>

    <property>
      <name>hbase.master.port</name>
      <value>16000</value>
    </property>

配置要连接的zk

   <property>
      <name>hbase.zookeeper.quorum</name>
      <value>abdi1,abdi2,abdi3</value>
    </property>

Zk存储数据的父目录，主要是为了区分多个hbase集群

    <property>
      <name>zookeeper.znode.parent</name>
      <value>/hbase-unsecure</value>
    </property>

配置regionservers文件

指定RegionServer的节点

由于hbase是强依赖于hdfs的，需要拷贝hdfs的配置文件到hbase的conf目录

我们一般情况会这样操作，创建一个软链接，链接到hdfs的core-site.xml和hdfs-site.xml中，就是让hbase知道我要连接哪个hadoop集群

但是在ambari安装的hbase的配置文件中没有找到相应的配置，但是在hbase启动的时候有加载hdfs的环境变量

启动hbase，可以看到有Hmaster和HRegionServer的java进程

ambari的web页面显示效果如下

注意：Hbase的Master和RegionServer安装是一样的，只是看我们是否要启动master

Hbase的web页面，采用16010端口

三、Hbase的简单shell操作

1、进入hbase shell

[root@abdi2 bin]# /usr/hdp/current/hbase-client/bin/hbase shell

2、查看当前有哪些表：list

hbase(main):003:0> list
TABLE                                                                                                                                                                                                                                                                         
0 row(s)
Took 0.2713 seconds                                                                                                                                                                                                                                                           
=> []
hbase(main):004:0>

3、创建表操作。这里的列族是必须要指定的，就是和mysql的列一样:create "student","info"

hbase(main):004:0> create "student","info"
Created table student
Took 1.3445 seconds                                                                                                                                                                                                                                                           
=> Hbase::Table - student
hbase(main):005:0> 
hbase(main):006:0> list
TABLE                                                                                                                                                                                                                                                                         
student                                                                                                                                                                                                                                                                       
1 row(s)
Took 0.0055 seconds                                                                                                                                                                                                                                                           
=> ["student"]

4、插入数据。Hbase中的数据没有什么类型，比如字符串，hash等，全部是字节:put "student","1001","info:name","laowang"

hbase(main):007:0> put "student","1001","info:name","laowang"
Took 0.1217 seconds                                                                                                                                                                                                                                                           
hbase(main):008:0> put "student","1001","info:age","18"
Took 0.0038 seconds                                                                                                                                                                                                                                                           
hbase(main):009:0> put "student","1001","info:sex","male"
Took 0.0049 seconds                                                                                                                                                                                                                                                           
hbase(main):010:0> put "student","1002","info:name","laoluo"
Took 0.0036 seconds                                                                                                                                                                                                                                                           
hbase(main):011:0> put "student","1002","info:age","20"
Took 0.0035 seconds