HBase 介紹

1、簡介

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的開源山寨版本。是創建的hdfs之上，提供高可靠性、高性能、列存儲、可伸縮、實時讀寫的數據庫系統。

它介於nosql和RDBMS之間，僅能經過主鍵(row key)和主鍵的range來檢索數據，僅支持單行事務(可經過hive支持來實現多表join等複雜操做)。主要用來存儲非結構化和半結構化的鬆散數據。

與hadoop同樣，Hbase目標主要依靠橫向擴展，經過不斷增長廉價的商用服務器，來增長計算和存儲能力。

HBase中的表通常有這樣的特色：

1 大：一個表能夠有上億行，上百萬列

2 面向列:面向列(族)的存儲和權限控制，列(族)獨立檢索。

3 稀疏:對於爲空(null)的列，並不佔用存儲空間，所以，表能夠設計的很是稀疏。

下面一幅圖是Hbase在Hadoop Ecosystem中的位置。

2、邏輯視圖

HBase以表的形式存儲數據。表有行和列組成。列劃分爲若干個列族(row family)

Row Key

與nosql數據庫們同樣,row key是用來檢索記錄的主鍵。訪問hbase table中的行，只有三種方式：

1 經過單個row key訪問

2 經過row key的range

3 全表掃描

Row key行鍵 (Row key)能夠是任意字符串(最大長度是 64KB，實際應用中長度通常爲 10-100bytes)，在hbase內部，row key保存爲字節數組。

存儲時，數據按照Row key的字典序(byte order)排序存儲。設計key時，要充分排序存儲這個特性，將常常一塊兒讀取的行存儲放到一塊兒。(位置相關性)

注意：

字典序對int排序的結果是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，行鍵必須用0做左填充。

行的一次讀寫是原子操做 (不論一次讀寫多少列)。這個設計決策可以使用戶很容易的理解程序在對同一個行進行併發更新操做時的行爲。

列族

hbase表中的每一個列，都歸屬與某個列族。列族是表的chema的一部分(而列不是)，必須在使用表以前定義。列名都以列族做爲前綴。例如courses:history，courses:math
都屬於courses 這個列族。

訪問控制、磁盤和內存的使用統計都是在列族層面進行的。實際應用中，列族上的控制權限能幫助咱們管理不一樣類型的應用：咱們容許一些應用能夠添加新的基本數據、一些應用能夠讀取基本數據並建立繼承的列族、一些應用則只容許瀏覽數據（甚至可能由於隱私的緣由不能瀏覽全部數據）。

時間戳

HBase中經過row和columns肯定的爲一個存貯單元稱爲cell。每一個 cell都保存着同一份數據的多個版本。版本經過時間戳來索引。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。每一個 cell中，不一樣版本的數據按照時間倒序排序，即最新的數據排在最前面。

爲了不數據存在過多版本形成的的管理 (包括存貯和索引)負擔，hbase提供了兩種數據版本回收方式。一是保存數據的最後n個版本，二是保存最近一段時間內的版本（好比最近七天）。用戶能夠針對每一個列族進行設置。

Cell

由{row key, column(=<family> + <label>), version} 惟一肯定的單元。cell中的數據是沒有類型的，所有是字節碼形式存貯。

3、物理存儲

1 已經提到過，Table中的全部行都按照row key的字典序排列。

2 Table 在行的方向上分割爲多個Hregion。

3 region按大小分割的，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，Hregion就會等分會兩個新的Hregion。當table中的行不斷增多，就會有愈來愈多的Hregion。

4 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。但一個Hregion是不會拆分到多個server上的。

5 HRegion雖然是分佈式存儲的最小單元，但並非存儲的最小單元。

事實上，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。如圖：

StoreFile以HFile格式保存在HDFS上。

HFile的格式爲：

 

HFile分爲六個部分：

Data Block 段–保存表中的數據，這部分能夠被壓縮

Meta Block 段 (可選的)–保存用戶自定義的kv對，能夠被壓縮。

File Info 段–Hfile的元信息，不被壓縮，用戶也能夠在這一部分添加本身的元信息。

Data Block Index 段–Data Block的索引。每條索引的key是被索引的block的第一條記錄的key。

Meta Block Index段 (可選的)–Meta Block的索引。

Trailer–這一段是定長的。保存了每一段的偏移量，讀取一個HFile時，會首先讀取Trailer，Trailer保存了每一個段的起始位置(段的Magic Number用來作安全check)，而後，DataBlock Index會被讀取到內存中，這樣，當檢索某個key時，不須要掃描整個HFile，而只需從內存中找到key所在的block，經過一次磁盤io將整個block讀取到內存中，再找到須要的key。DataBlock Index採用LRU機制淘汰。

HFile的Data Block，Meta Block一般採用壓縮方式存儲，壓縮以後能夠大大減小網絡IO和磁盤IO，隨之而來的開銷固然是須要花費cpu進行壓縮和解壓縮。

目標Hfile的壓縮支持兩種方式：Gzip，Lzo。

HLog(WAL log)

WAL 意爲Write ahead log(http://en.wikipedia.org/wiki/Write-ahead_logging)，相似mysql中的binlog,用來作災難恢復只用，Hlog記錄數據的全部變動,一旦數據修改，就能夠從log中進行恢復。

每一個Region Server維護一個Hlog,而不是每一個Region一個。這樣不一樣region(來自不一樣table)的日誌會混在一塊兒，這樣作的目的是不斷追加單個文件相對於同時寫多個文件而言，能夠減小磁盤尋址次數，所以能夠提升對table的寫性能。帶來的麻煩是，若是一臺region server下線，爲了恢復其上的region，須要將region server上的log進行拆分，而後分發到其它region server上進行恢復。

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 Sequece File的Value是HBase的KeyValue對象，即對應HFile中的KeyValue，可參見上文描述。

4、系統架構

Client

1 包含訪問hbase的接口，client維護着一些cache來加快對hbase的訪問，好比regione的位置信息。

Zookeeper

1 保證任什麼時候候，集羣中只有一個master

2 存貯全部Region的尋址入口。

3 實時監控Region Server的狀態，將Region server的上線和下線信息實時通知給Master

4 存儲Hbase的schema,包括有哪些table，每一個table有哪些column family

Master

1 爲Region server分配region

2 負責region server的負載均衡

3 發現失效的region server並從新分配其上的region

4 GFS上的垃圾文件回收

5 處理schema更新請求

Region Server

1 Region server維護Master分配給它的region，處理對這些region的IO請求

2 Region server負責切分在運行過程當中變得過大的region

能夠看到，client訪問hbase上數據的過程並不須要master參與（尋址訪問zookeeper和region server，數據讀寫訪問regione server），master僅僅維護者table和region的元數據信息，負載很低。

5、關鍵算法/流程

region定位

系統如何找到某個row key (或者某個 row key range)所在的region

bigtable 使用三層相似B+樹的結構來保存region位置。

第一層是保存zookeeper裏面的文件，它持有root region的位置。

第二層root region是.META.表的第一個region其中保存了.META.z表其它region的位置。經過root region，咱們就能夠訪問.META.表的數據。

.META.是第三層，它是一個特殊的表，保存了hbase中全部數據表的region 位置信息。

 

說明：

1 root region永遠不會被split，保證了最須要三次跳轉，就能定位到任意region 。

2.META.表每行保存一個region的位置信息，row key 採用表名+表的最後同樣編碼而成。

3 爲了加快訪問，.META.表的所有region都保存在內存中。

假設，.META.表的一行在內存中大約佔用1KB。而且每一個region限制爲128MB。

那麼上面的三層結構能夠保存的region數目爲：

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

4 client會將查詢過的位置信息保存緩存起來，緩存不會主動失效，所以若是client上的緩存所有失效，則須要進行6次網絡來回，才能定位到正確的region(其中三次用來發現緩存失效，另外三次用來獲取位置信息)。

讀寫過程

上文提到，hbase使用MemStore和StoreFile存儲對錶的更新。

數據在更新時首先寫入Log(WAL log)和內存(MemStore)中，MemStore中的數據是排序的，當MemStore累計到必定閾值時，就會建立一個新的MemStore，而且將老的MemStore添加到flush隊列，由單獨的線程flush到磁盤上，成爲一個StoreFile。於此同時，系統會在zookeeper中記錄一個redo point，表示這個時刻以前的變動已經持久化了。(minor compact)

當系統出現意外時，可能致使內存(MemStore)中的數據丟失，此時使用Log(WAL log)來恢復checkpoint以後的數據。

前面提到過StoreFile是隻讀的，一旦建立後就不能夠再修改。所以Hbase的更新實際上是不斷追加的操做。當一個Store中的StoreFile達到必定的閾值後，就會進行一次合併(major compact),將對同一個key的修改合併到一塊兒，造成一個大的StoreFile，當StoreFile的大小達到必定閾值後，又會對StoreFile進行split，等分爲兩個StoreFile。

因爲對錶的更新是不斷追加的，處理讀請求時，須要訪問Store中所有的StoreFile和MemStore，將他們的按照row key進行合併，因爲StoreFile和MemStore都是通過排序的，而且StoreFile帶有內存中索引，合併的過程仍是比較快。

寫請求處理過程

1 client向region server提交寫請求

2 region server找到目標region

3 region檢查數據是否與schema一致

4 若是客戶端沒有指定版本，則獲取當前系統時間做爲數據版本

5 將更新寫入WAL log

6 將更新寫入Memstore

7 判斷Memstore的是否須要flush爲Store文件。

region分配

任什麼時候刻，一個region只能分配給一個region server。master記錄了當前有哪些可用的region server。以及當前哪些region分配給了哪些region server，哪些region尚未分配。當存在未分配的region，而且有一個region server上有可用空間時，master就給這個region server發送一個裝載請求，把region分配給這個region server。region server獲得請求後，就開始對此region提供服務。

region server上線

master使用zookeeper來跟蹤region server狀態。當某個region server啓動時，會首先在zookeeper上的server目錄下創建表明本身的文件，並得到該文件的獨佔鎖。因爲master訂閱了server目錄上的變動消息，當server目錄下的文件出現新增或刪除操做時，master能夠獲得來自zookeeper的實時通知。所以一旦region server上線，master能立刻獲得消息。

region server下線

當region server下線時，它和zookeeper的會話斷開，zookeeper而自動釋放表明這臺server的文件上的獨佔鎖。而master不斷輪詢server目錄下文件的鎖狀態。若是master發現某個region server丟失了它本身的獨佔鎖，(或者master連續幾回和region server通訊都沒法成功),master就是嘗試去獲取表明這個region server的讀寫鎖，一旦獲取成功，就能夠肯定：

1 region server和zookeeper之間的網絡斷開了。

2 region server掛了。

的其中一種狀況發生了，不管哪一種狀況，region server都沒法繼續爲它的region提供服務了，此時master會刪除server目錄下表明這臺region server的文件，並將這臺region server的region分配給其它還活着的同志。

若是網絡短暫出現問題致使region server丟失了它的鎖，那麼region server從新鏈接到zookeeper以後，只要表明它的文件還在，它就會不斷嘗試獲取這個文件上的鎖，一旦獲取到了，就能夠繼續提供服務。

master上線

master啓動進行如下步驟:

1 從zookeeper上獲取惟一一個代碼master的鎖，用來阻止其它master成爲master。

2 掃描zookeeper上的server目錄，得到當前可用的region server列表。

3 和2中的每一個region server通訊，得到當前已分配的region和region server的對應關係。

4 掃描.META.region的集合，計算獲得當前還未分配的region，將他們放入待分配region列表。

master下線

因爲master只維護表和region的元數據，而不參與表數據IO的過程，master下線僅致使全部元數據的修改被凍結(沒法建立刪除表，沒法修改表的schema，沒法進行region的負載均衡，沒法處理region上下線，沒法進行region的合併，惟一例外的是region的split能夠正常進行，由於只有region server參與)，表的數據讀寫還能夠正常進行。所以master下線短期內對整個hbase集羣沒有影響。從上線過程能夠看到，master保存的信息全是能夠冗餘信息（均可以從系統其它地方收集到或者計算出來），所以，通常hbase集羣中老是有一個master在提供服務，還有一個以上的’master’在等待時機搶佔它的位置。

6、訪問接口

• 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協議：GET POST PUT DELET
    • 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、結語：

全文對Hbase作了簡單的介紹，有錯誤之處，敬請指正。將來將結合Hbase在淘寶數據平臺的應用場景，在更多細節上進行深刻。

參考文檔

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