php小型网站开发,零件加工网,wordpress插件使用方法,网站推广品牌建设HBase 特点 海量存储 Hbase 适合存储 PB 级别的海量数据#xff0c;在 PB 级别的数据以及采用廉价 PC 存储的情况下#xff0c;能在几十到百毫秒内返回数据。这与 Hbase 的极易扩展性息息相关。正式因为 Hbase 良好的扩展性#xff0c;才为海量数据的存储提供了便利。 2在 PB 级别的数据以及采用廉价 PC 存储的情况下能在几十到百毫秒内返回数据。这与 Hbase 的极易扩展性息息相关。正式因为 Hbase 良好的扩展性才为海量数据的存储提供了便利。 2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就必须指定。 3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处理能力RegionServer的扩展一个是基于存储的扩展HDFS。 通过横向添加 RegionSever 的机器进行水平扩展提升 Hbase 上层的处理能力提升 Hbsae服务更多 Region 的能力。 备注RegionServer 的作用是管理 region、承接业务的访问这个后面会详细的介绍通过横向添加 Datanode 的机器进行存储层扩容提升 Hbase 的数据存储能力和提升后端存储的读写能力。 4高并发 由于目前大部分使用 Hbase 的架构都是采用的廉价 PC因此单个 IO 的延迟其实并不小一般在几十到上百 ms 之间。这里说的高并发主要是在并发的情况下Hbase 的单个IO 延迟下降并不多。能获得高并发、低延迟的服务。 5稀疏 稀疏主要是针对 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。 HBase 架构 从图中可以看出 Hbase 是由 Client、Zookeeper、Master、HRegionServer、HDFS 等几个组件组成下面来介绍一下几个组件的相关功能 1Client Client 包含了访问 Hbase 的接口另外 Client 还维护了对应的 cache 来加速 Hbase 的访问比如 cache 的.META.元数据的信息。 2Zookeeper HBase 通过 Zookeeper 来做 master 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。具体工作如下 通过 Zoopkeeper 来保证集群中只有 1 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 Zoopkeeper 来监控 RegionServer 的状态当 RegionSevrer 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 Zoopkeeper 存储元数据的统一入口地址 3Hmaster master 节点的主要职责如下 为 RegionServer 分配 Region 维护整个集群的负载均衡 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 RegionSever 失效的时候协调对应 Hlog 的拆分 4HregionServer HregionServer 直接对接用户的读写请求是真正的“干活”的节点。它的功能概括如下 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 负责 Region 变大以后的拆分 负责 Storefile 的合并工作 5HDFS HDFS 为 Hbase 提供最终的底层数据存储服务同时为 HBase 提供高可用Hlog 存储在HDFS的支持具体功能概括如下 提供元数据和表数据的底层分布式存储服务 数据多副本保证的高可靠和高可用性 1.3 HBase 中的角色 1.3.1 HMaster 功能 1监控 RegionServer 2处理 RegionServer 故障转移 3处理元数据的变更 4处理 region 的分配或转移 5在空闲时间进行数据的负载均衡 6通过 Zookeeper 发布自己的位置给客户端 1.3.2 RegionServer 功能 1负责存储 HBase 的实际数据 2处理分配给它的 Region 3刷新缓存到 HDFS 4维护 Hlog 5执行压缩 6负责处理 Region 分片 1.2.3 其他组件 1Write-Ahead logs HBase 的修改记录当对 HBase 读写数据的时候数据不是直接写进磁盘它会在内存中保留一段时间时间以及数据量阈值可以设定。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 Write-Ahead logfile 的文件中然后再写入内存中。所以在系统出现故障的时候数据可以通过这个日志文件重建。 2Region Hbase 表的分片HBase 表会根据 RowKey 值被切分成不同的 region 存储在 RegionServer中在一个 RegionServer 中可以有多个不同的 region。 3Store HFile 存储在 Store 中一个 Store 对应 HBase 表中的一个列族。 4MemStore 顾名思义就是内存存储位于内存中用来保存当前的数据操作所以当数据保存在WAL 中之后RegsionServer 会在内存中存储键值对。 5HFile 这是在磁盘上保存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 的。 第 2 章 HBase 安装 2.1 Zookeeper 正常部署 首先保证 Zookeeper 集群的正常部署并启动之 [atguiguhadoop102 zookeeper-3.4.10]$ bin/zkServer.sh start [atguiguhadoop103 zookeeper-3.4.10]$ bin/zkServer.sh start [atguiguhadoop104 zookeeper-3.4.10]$ bin/zkServer.sh start 2.2 Hadoop 正常部署 Hadoop 集群的正常部署并启动 [atguiguhadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh [atguiguhadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh 2.3 HBase 的解压 解压 HBase 到指定目录 [atguiguhadoop102 software]$ tar -zxvf hbase-1.3.1-bin.tar.gz -C /opt/module 2.4 HBase 的配置文件 修改 HBase 对应的配置文件。 1hbase-env.sh 修改内容 export JAVA_HOME/opt/module/jdk1.8.0_144 export HBASE_MANAGES_ZKfalse 2hbase-site.xml 修改内容 configuration property namehbase.rootdir/name valuehdfs://hadoop102:9000/hbase/value /property property namehbase.cluster.distributed/name valuetrue/value /property !-- 0.98 后的新变动之前版本没有.port,默认端口为 60000 -- property namehbase.master.port/name value16000/value /property property namehbase.zookeeper.quorum/name valuehadoop102:2181,hadoop103:2181,hadoop104:2181/value /property property namehbase.zookeeper.property.dataDir/name value/opt/module/zookeeper-3.4.10/zkData/value /property /configuration 3regionservers hadoop102 hadoop103 hadoop104 4软连接 hadoop 配置文件到 hbase [atguiguhadoop102 module]$ ln -s /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml /opt/module/hbase/conf/core-site.xml [atguiguhadoop102 module]$ ln -s /opt/module/hadoop-2.7.2/etc/hadoop/hdfs-site.xml /opt/module/hbase/conf/hdfs-site.xml 2.5 HBase 远程发送到其他集群 [atguiguhadoop102 module]$ xsync hbase/ 2.6 HBase 服务的启动 1启动方式 1 [atguiguhadoop102 hbase]$ bin/hbase-daemon.sh start master [atguiguhadoop102 hbase]$ bin/hbase-daemon.sh start regionserver 提示如果集群之间的节点时间不同步会导致 regionserver 无法启动抛出ClockOutOfSyncException 异常。 修复提示 a、同步时间服务 属性hbase.master.maxclockskew 设置更大的值 property namehbase.master.maxclockskew/name value180000/value descriptionTime difference of regionserver from master/description /property 2启动方式 2 [atguiguhadoop102 hbase]$ bin/start-hbase.sh 对应的停止服务 [atguiguhadoop102 hbase]$ bin/stop-hbase.sh 2.7 查看 HBase 页面 启动成功后可以通过“host:port”的方式来访问 HBase 管理页面例如 http://hadoop102:16010 第 3 章 HBase Shell 操作 3.1 基本操作 1进入 HBase 客户端命令行 [atguiguhadoop102 hbase]$ bin/hbase shell 2查看帮助命令 hbase(main):001:0 help 3查看当前数据库中有哪些表 hbase(main):002:0 list 3.2 表的操作 1创建表 hbase(main):002:0 create student,info 2插入数据到表 hbase(main):003:0 put student,1001,info:sex,male hbase(main):004:0 put student,1001,info:age,18 hbase(main):005:0 put student,1002,info:name,Janna hbase(main):006:0 put student,1002,info:sex,female hbase(main):007:0 put student,1002,info:age,20 3扫描查看表数据 hbase(main):008:0 scan student hbase(main):009:0 scan student,{STARTROW 1001, STOPROW 1001} hbase(main):010:0 scan student,{STARTROW 1001} 4查看表结构 hbase(main):011:0 describe ‘student’ 5更新指定字段的数据 hbase(main):012:0 put student,1001,info:name,Nick hbase(main):013:0 put student,1001,info:age,100 6查看“指定行”或“指定列族:列”的数据 hbase(main):014:0 get student,1001 hbase(main):015:0 get student,1001,info:name 7统计表数据行数 hbase(main):021:0 count student 8删除数据 删除某 rowkey 的全部数据 hbase(main):016:0 deleteall student,1001 删除某 rowkey 的某一列数据 hbase(main):017:0 delete student,1002,info:sex 9清空表数据 hbase(main):018:0 truncate student 提示清空表的操作顺序为先 disable然后再 truncate。 10删除表 首先需要先让该表为 disable 状态 hbase(main):019:0 disable student 然后才能 drop 这个表 hbase(main):020:0 drop student 提示如果直接 drop 表会报错ERROR: Table student is enabled. Disable it first. 11变更表信息 将 info 列族中的数据存放 3 个版本 hbase(main):022:0 alter student,{NAMEinfo,VERSIONS3} hbase(main):022:0 get student,1001,{COLUMNinfo:name,VERSIONS3} 第 4 章 HBase 数据结构 4.1 RowKey 与 nosql 数据库们一样,RowKey 是用来检索记录的主键。访问 HBASE table 中的行只有三种方式 1.通过单个 RowKey 访问 2.通过 RowKey 的 range正则 3.全表扫描 RowKey 行键 (RowKey)可以是任意字符串(最大长度是 64KB实际应用中长度一般为 10-100bytes)在 HBASE 内部RowKey 保存为字节数组。存储时数据按照 RowKey 的字典序(byte order)排序存储。设计 RowKey 时要充分排序存储这个特性将经常一起读取的行存储放到一起。(位置相关性) 4.2 Column Family 列族HBASE 表中的每个列都归属于某个列族。列族是表的 schema 的一部 分(而列不是)必须在使用表之前定义。列名都以列族作为前缀。例如 courses:historycourses:math都属于 courses 这个列族。 4.3 Cell 由{rowkey, column Family:columu, version} 唯一确定的单元。cell 中的数据是没有类型的全部是字节码形式存贮。 关键字无类型、字节码 4.4 Time Stamp HBASE 中通过 rowkey 和 columns 确定的为一个存贮单元称为 cell。每个 cell 都保存 着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64 位整型。时间戳可以由 HBASE(在数据写入时自动 )赋值此时时间戳是精确到毫秒 的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版 本冲突就必须自己生成具有唯一性的时间戳。每个 cell 中不同版本的数据按照时间倒序排序即最新的数据排在最前面。 为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担HBASE 提供 了两种数据版本回收方式。一是保存数据的最后 n 个版本二是保存最近一段 时间内的版本比如最近七天。用户可以针对每个列族进行设置。 4.5 命名空间 命名空间的结构: 1) Table表所有的表都是命名空间的成员即表必属于某个命名空间如果没有指定则在 default 默认的命名空间中。 2) RegionServer group一个命名空间包含了默认的 RegionServer Group。 3) Permission权限命名空间能够让我们来定义访问控制列表 ACLAccess Control List。例如创建表读取表删除更新等等操作。 4) Quota限额可以强制一个命名空间可包含的 region 的数量。 HBase 原理 5.1 读流程 HBase 读数据流程如图 3 所示1Client 先访问 zookeeper从 meta 表读取 region 的位置然后读取 meta 表中的数据。meta中又存储了用户表的 region 信息 2根据 namespace、表名和 rowkey 在 meta 表中找到对应的 region 信息 3找到这个 region 对应的 regionserver 4查找对应的 region 5先从 MemStore 找数据如果没有再到 BlockCache 里面读 6BlockCache 还没有再到 StoreFile 上读(为了读取的效率) 7如果是从 StoreFile 里面读取的数据不是直接返回给客户端而是先写入 BlockCache再返回给客户端。 5.2 写流程 Hbase 写流程如图 2 所示1Client 向 HregionServer 发送写请求 2HregionServer 将数据写到 HLogwrite ahead log。为了数据的持久化和恢复 3HregionServer 将数据写到内存MemStore 4反馈 Client 写成功。 5.3 数据 Flush 过程 1当 MemStore 数据达到阈值默认是 128M老版本是 64M将数据刷到硬盘将内存中的数据删除同时删除 HLog 中的历史数据 2并将数据存储到 HDFS 中 3在 HLog 中做标记点。 5.4 数据合并过程 1当数据块达到 4 块Hmaster 触发合并操作Region 将数据块加载到本地进行合并 2当合并的数据超过 256M进行拆分将拆分后的 Region 分配给不同的 HregionServer管理 3当 HregionServer 宕机后将 HregionServer 上的 hlog 拆分然后分配给不同的 HregionServer加载修改.META. 4注意HLog 会同步到 HDFS。
