Hbase架構與原理

Hbase架構與原理

HBase是一個分佈式的、面向列的開源數據庫，該技術來源於 Fay Chang所撰寫的Google論文「Bigtable：一個結構化數據的分佈式存儲系統」。就像Bigtable利用了Google文件系統（File System）所提供的分佈式數據存儲同樣，HBase在Hadoop之上提供了相似於Bigtable的能力。HBase是Apache的Hadoop項目的子項目。HBase不一樣於通常的關係數據庫，它是一個適合於非結構化數據存儲的數據庫。另外一個不一樣的是HBase基於列的而不是基於行的模式。

一、Hadoop生太圈

hadoop全部應用都是構建於hdfs（它提供高可靠的底層存儲支持，幾乎已經成爲分佈式文件存儲系統事實上的工業標準）之上的分佈式列存儲系統，主要用於海量結構化數據存儲。經過Hadoop生態圈，能夠看到HBase的身影，可見HBase在Hadoop的生態圈是扮演這一個重要的角色那就是 實時、分佈式、高維數據 的數據存儲；

二、HBase簡介

– HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮、 實時讀寫的分佈式數據庫
– 利用Hadoop HDFS做爲其文件存儲系統,利用Hadoop MapReduce來處理HBase中的海量數據,利用Zookeeper做爲其分佈式協同服務
– 主要用來存儲非結構化和半結構化的鬆散數據（列存NoSQL數據庫）

Hbase特性：

1. 強一致性讀寫: HBase 不是 "最終一致性(eventually consistent)" 數據存儲這讓它很適合高速計數聚合類任務。
2. 自動分片(Automatic sharding):HBase表經過region分佈在集羣中。數據增加時，region會自動分割並從新分佈。
3. RegionServer 自動故障轉移
4. Hadoop/HDFS 集成: HBase 支持本機外HDFS 做爲它的分佈式文件系統。
5. MapReduce: HBase 經過MapReduce支持大併發處理， HBase 能夠同時作源和目標.
6. Java 客戶端 API: HBase 支持易於使用的 Java API 進行編程訪問.
7. Thrift/REST API:HBase 也支持Thrift和 REST 做爲非Java 前端.
8. Block Cache 和 Bloom Filters: 對於大容量查詢優化， HBase支持 Block Cache 和 Bloom Filters。
9. 運維管理: HBase提供內置網頁用於運維視角和JMX 度量.

三、HBase數據模型

以關係型數據的思惟下會感受，上面的表格是一個5列4行的數據表格，可是在HBase中這種理解是錯誤的，其實在HBase中上面的表格只是一行數據；

Row Key:

• 決定一行數據的惟一標識

• RowKey是按照字典順序排序的。

• Row key最多隻能存儲64k的字節數據。

Column Family列族（CF一、CF二、CF3） & qualifier列：

• HBase表中的每一個列都歸屬於某個列族，列族必須做爲表模式(schema) 定義的一部分預先給出。如create ‘test’, ‘course’；
• 列名以列族做爲前綴，每一個「列族」均可以有多個列成員(column，每一個列族中能夠存放幾千~上千萬個列)；如 CF1:q1, CF2:qw,新的列族成員（列）能夠隨後按需、動態加入，Family下面能夠有多個Qualifier，因此能夠簡單的理解爲，HBase中的列是二級列,也就是說Family是第一級列，Qualifier是第二級列。兩個是父子關係。
• 權限控制、存儲以及調優都是在列族層面進行的；
• HBase把同一列族裏面的數據存儲在同一目錄下，由幾個文件保存。
• 目前爲止HBase的列族能可以很好處理最多不超過3個列族。

Timestamp時間戳：

• 在HBase每一個cell存儲單元對同一份數據有多個版本，根據惟一的時間戳來區分每一個版本之間的差別，不一樣版本的數據按照時間倒序排序，最新的數據版本排在最前面。
• 時間戳的類型是64位整型。
• 時間戳能夠由HBase(在數據寫入時自動)賦值，此時時間戳是精確到毫 秒的當前系統時間。
• 時間戳也能夠由客戶顯式賦值，若是應用程序要避免數據版本衝突， 就必須本身生成具備惟一性的時間戳。

Cell單元格：

• 由行和列的座標交叉決定；

• 單元格是有版本的（由時間戳來做爲版本）；

• 單元格的內容是未解析的字節數組（Byte[]），cell中的數據是沒有類型的，所有是字節碼形式存貯。

• 由{row key，column(= + )，version}惟一肯定的單元。

四、HBase體系架構

Client

• 包含訪問HBase的接口並維護cache來加快對HBase的訪問

Zookeeper

• 保證任什麼時候候，集羣中只有一個master
• 存貯全部Region的尋址入口。
• 實時監控Region server的上線和下線信息。並實時通知Master
• 存儲HBase的schema和table元數據

Master

• 爲Region server分配region
• 負責Region server的負載均衡
• 發現失效的Region server並從新分配其上的region
• 管理用戶對table的增刪改操做

RegionServer

• Region server維護region，處理對這些region的IO請求
• Region server負責切分在運行過程當中變得過大的region　

HLog(WAL log)：

• HLog文件就是一個普通的Hadoop Sequence File，Sequence File 的Key是HLogKey對象，HLogKey中記錄了寫入數據的歸屬信息，除了table和 region名字外，同時還包括sequence number和timestamp，timestamp是」 寫入時間」，sequence number的起始值爲0，或者是最近一次存入文件系 統中sequence number。
• HLog SequeceFile的Value是HBase的KeyValue對象，即對應HFile中的 KeyValue

Region

• HBase自動把表水平劃分紅多個區域(region)，每一個region會保存一個表裏面某段連續的數據；每一個表一開始只有一個region，隨着數據不斷插入表，region不斷增大，當增大到一個閥值的時候，region就會等分會 兩個新的region（裂變）；
• 當table中的行不斷增多，就會有愈來愈多的region。這樣一張完整的表 被保存在多個Regionserver上。

Memstore 與 storefile

• 一個region由多個store組成，一個store對應一個CF（列族）
• store包括位於內存中的memstore和位於磁盤的storefile寫操做先寫入memstore，當memstore中的數據達到某個閾值，hregionserver會啓動flashcache進程寫入storefile，每次寫入造成單獨的一個storefile
• 當storefile文件的數量增加到必定閾值後，系統會進行合併（minor、 major compaction），在合併過程當中會進行版本合併和刪除工做 （majar），造成更大的storefile。
• 當一個region全部storefile的大小和超過必定閾值後，會把當前的region分割爲兩個，並由hmaster分配到相應的regionserver服務器，實現負載均衡。
• 客戶端檢索數據，先在memstore找，找不到再找storefile
• HRegion是HBase中分佈式存儲和負載均衡的最小單元。最小單元就表示不一樣的HRegion能夠分佈在不一樣的HRegion server上。
• HRegion由一個或者多個Store組成，每一個store保存一個columns family。
• 每一個Strore又由一個memStore和0至多個StoreFile組成。

5.Hbase優化

1.預先分區

默認狀況下，在建立 HBase 表的時候會自動建立一個 Region 分區，當導入數據的時候，全部的 HBase 客戶端都向這一個 Region 寫數據，直到這個 Region 足夠大了才進行切分。一種能夠加快批量寫入速度的方法是經過預先建立一些空的 Regions，這樣當數據寫入 HBase 時，會按照 Region 分區狀況，在集羣內作數據的負載均衡。

2.Rowkey優化

HBase 中 Rowkey 是按照字典序存儲，所以，設計 Rowkey 時，要充分利用排序特色，將常常一塊兒讀取的數據存儲到一塊，將最近可能會被訪問的數據放在一塊。

此外，Rowkey 如果遞增的生成，建議不要使用正序直接寫入 Rowkey，而是採用 reverse 的方式反轉Rowkey，使得 Rowkey 大體均衡分佈，這樣設計有個好處是能將 RegionServer 的負載均衡，不然容易產生全部新數據都在一個 RegionServer 上堆積的現象，這一點還能夠結合 table 的預切分一塊兒設計。

3.減小列族數量

不要在一張表裏定義太多的 ColumnFamily。目前 Hbase 並不能很好的處理超過 2~3 個 ColumnFamily 的表。由於某個 ColumnFamily 在 flush 的時候，它鄰近的 ColumnFamily 也會因關聯效應被觸發 flush，最終致使系統產生更多的 I/O。

4.緩存策略

建立表的時候，能夠經過 HColumnDescriptor.setInMemory(true) 將表放到 RegionServer 的緩存中，保證在讀取的時候被 cache 命中。

5.設置存儲生命期

建立表的時候，能夠經過 HColumnDescriptor.setTimeToLive(int timeToLive) 設置表中數據的存儲生命期，過時數據將自動被刪除。

6.硬盤配置

每臺 RegionServer 管理 10~1000 個 Regions，每一個 Region 在 1~2G，則每臺 Server 最少要 10G，最大要1000*2G=2TB，考慮 3 備份，則要 6TB。方案一是用 3 塊 2TB 硬盤，二是用 12 塊 500G 硬盤，帶寬足夠時，後者能提供更大的吞吐率，更細粒度的冗餘備份，更快速的單盤故障恢復。

7.分配合適的內存給RegionServer服務

在不影響其餘服務的狀況下，越大越好。例如在 HBase 的 conf 目錄下的 hbase-env.sh 的最後添加 export HBASE_REGIONSERVER_OPTS="-Xmx16000m$HBASE_REGIONSERVER_OPTS」

其中 16000m 爲分配給 RegionServer 的內存大小。

8.寫數據的備份數

備份數與讀性能成正比，與寫性能成反比，且備份數影響高可用性。有兩種配置方式，一種是將 hdfs-site.xml拷貝到 hbase 的 conf 目錄下，而後在其中添加或修改配置項 dfs.replication 的值爲要設置的備份數，這種修改對全部的 HBase 用戶表都生效，另一種方式，是改寫 HBase 代碼，讓 HBase 支持針對列族設置備份數，在建立表時，設置列族備份數，默認爲 3，此種備份數只對設置的列族生效。

9.WAL（預寫日誌）

可設置開關，表示 HBase 在寫數據前用不用先寫日誌，默認是打開，關掉會提升性能，可是若是系統出現故障(負責插入的 RegionServer 掛掉)，數據可能會丟失。配置 WAL 在調用 JavaAPI 寫入時，設置 Put 實例的WAL，調用 Put.setWriteToWAL(boolean)。

10. 批量寫

HBase 的 Put 支持單條插入，也支持批量插入，通常來講批量寫更快，節省來回的網絡開銷。在客戶端調用JavaAPI 時，先將批量的 Put 放入一個 Put 列表，而後調用 HTable 的 Put(Put 列表) 函數來批量寫。

11. 客戶端一次從服務器拉取的數量

經過配置一次拉去的較大的數據量能夠減小客戶端獲取數據的時間，可是它會佔用客戶端內存。有三個地方可進行配置：

1）在 HBase 的 conf 配置文件中進行配置 hbase.client.scanner.caching；

2）經過調用HTable.setScannerCaching(intscannerCaching) 進行配置；

3）經過調用Scan.setCaching(intcaching) 進行配置。三者的優先級愈來愈高。

12. RegionServer的請求處理I/O線程數

較少的 IO 線程適用於處理單次請求內存消耗較高的 Big Put 場景 (大容量單次 Put 或設置了較大 cache 的Scan，均屬於 Big Put) 或 ReigonServer 的內存比較緊張的場景。

較多的 IO 線程，適用於單次請求內存消耗低，TPS 要求 (每秒事務處理量 (TransactionPerSecond)) 很是高的場景。設置該值的時候，以監控內存爲主要參考。

在 hbase-site.xml 配置文件中配置項爲 hbase.regionserver.handler.count。

13. Region的大小設置

配置項爲 hbase.hregion.max.filesize，所屬配置文件爲 hbase-site.xml.，默認大小 256M。

在當前 ReigonServer 上單個 Reigon 的最大存儲空間，單個 Region 超過該值時，這個 Region 會被自動 split成更小的 Region。小 Region 對 split 和 compaction 友好，由於拆分 Region 或 compact 小 Region 裏的StoreFile 速度很快，內存佔用低。缺點是 split 和 compaction 會很頻繁，特別是數量較多的小 Region 不停地split, compaction，會致使集羣響應時間波動很大，Region 數量太多不只給管理上帶來麻煩，甚至會引起一些Hbase 的 bug。通常 512M 如下的都算小 Region。大 Region 則不太適合常常 split 和 compaction，由於作一次 compact 和 split 會產生較長時間的停頓，對應用的讀寫性能衝擊很是大。

此外，大 Region 意味着較大的 StoreFile，compaction 時對內存也是一個挑戰。若是你的應用場景中，某個時間點的訪問量較低，那麼在此時作 compact 和 split，既能順利完成 split 和 compaction，又能保證絕大多數時間平穩的讀寫性能。compaction 是沒法避免的，split 能夠從自動調整爲手動。只要經過將這個參數值調大到某個很難達到的值，好比 100G，就能夠間接禁用自動 split(RegionServer 不會對未到達 100G 的 Region 作split)。再配合 RegionSplitter 這個工具，在須要 split 時，手動 split。手動 split 在靈活性和穩定性上比起自動split 要高不少，並且管理成本增長很少，比較推薦 online 實時系統使用。內存方面，小 Region 在設置memstore 的大小值上比較靈活，大 Region 則過大太小都不行，過大會致使 flush 時 app 的 IO wait 增高，太小則因 StoreFile 過多影響讀性能。

14.操做系統參數

Linux系統最大可打開文件數通常默認的參數值是1024,若是你不進行修改併發量上來的時候會出現「Too Many Open Files」的錯誤，致使整個HBase不可運行，你能夠用ulimit -n 命令進行修改，或者修改/etc/security/limits.conf和/proc/sys/fs/file-max 的參數，具體如何修改能夠去Google 關鍵字 「linux limits.conf 」

15.Jvm配置

修改 hbase-env.sh 文件中的配置參數，根據你的機器硬件和當前操做系統的JVM(32/64位)配置適當的參數

HBASE_HEAPSIZE 4000 HBase使用的 JVM 堆的大小

HBASE_OPTS "‐server ‐XX:+UseConcMarkSweepGC"JVM GC 選項

HBASE_MANAGES_ZKfalse 是否使用Zookeeper進行分佈式管理

16. 持久化

重啓操做系統後HBase中數據全無，你能夠不作任何修改的狀況下，建立一張表，寫一條數據進行，而後將機器重啓，重啓後你再進入HBase的shell中使用 list 命令查看當前所存在的表，一個都沒有了。是否是很杯具？沒有關係你能夠在hbase/conf/hbase-default.xml中設置hbase.rootdir的值，來設置文件的保存位置指定一個文件夾，例如： file:///you/hbase-data/path ，你創建的HBase中的表和數據就直接寫到了你的磁盤上，一樣你也能夠指定你的分佈式文件系統HDFS的路徑例如:hdfs://NAMENODE_SERVER:PORT/HBASE_ROOTDIR，這樣就寫到了你的分佈式文件系統上了。

17. 緩衝區大小

hbase.client.write.buffer

這個參數能夠設置寫入數據緩衝區的大小，當客戶端和服務器端傳輸數據，服務器爲了提升系統運行性能開闢一個寫的緩衝區來處理它，這個參數設置若是設置的大了，將會對系統的內存有必定的要求，直接影響系統的性能。

18. 掃描目錄表

hbase.master.meta.thread.rescanfrequency

定義多長時間HMaster對系統表 root 和 meta 掃描一次，這個參數能夠設置的長一些，下降系統的能耗。

19. split/compaction時間間隔

hbase.regionserver.thread.splitcompactcheckfrequency

這個參數是表示多久去RegionServer服務器運行一次split/compaction的時間間隔，固然split以前會先進行一個compact操做.這個compact操做多是minorcompact也多是major compact.compact後,會從全部的Store下的全部StoreFile文件最大的那個取midkey.這個midkey可能並不處於所有數據的mid中.一個row-key的下面的數據可能會跨不一樣的HRegion。

20. 緩存在JVM堆中分配的百分比

hfile.block.cache.size

指定HFile/StoreFile 緩存在JVM堆中分配的百分比，默認值是0.2，意思就是20%，而若是你設置成0，就表示對該選項屏蔽。

21. ZooKeeper客戶端同時訪問的併發鏈接數

hbase.zookeeper.property.maxClientCnxns

這項配置的選項就是從zookeeper中來的，表示ZooKeeper客戶端同時訪問的併發鏈接數，ZooKeeper對於HBase來講就是一個入口這個參數的值能夠適當放大些。

22. memstores佔用堆的大小參數配置

hbase.regionserver.global.memstore.upperLimit

在RegionServer中全部memstores佔用堆的大小參數配置，默認值是0.4，表示40%，若是設置爲0，就是對選項進行屏蔽。

23. Memstore中緩存寫入大小

hbase.hregion.memstore.flush.size

Memstore中緩存的內容超過配置的範圍後將會寫到磁盤上，例如：刪除操做是先寫入MemStore裏作個標記，指示那個value, column 或 family等下是要刪除的，HBase會按期對存儲文件作一個major compaction，在那時HBase會把MemStore刷入一個新的HFile存儲文件中。若是在必定時間範圍內沒有作major compaction，而Memstore中超出的範圍就寫入磁盤上了。