HBase内部结构详解

HBase内部结构详解

最近在看《Hbase不睡觉书》，挺不错的，很适合入门，推荐大家看看。

宏观架构

Master：
负责启动的时候分配Region到具体的RegionServer，执行各种管理 *** 作。（Master在Hbase中的功能比较弱，假如Master挂了，依然可以对数据进行增删改查，但不能创建表、修改列族配置等）。

RegionServer：
RegionServer上有一个或多个Region，我们读写的数据就存储在Region上。

Region：
存储一张表的一部分数据。

HDFS：
真正存储数据的载体。

Zookeeper：
Zookeeper在Hbase中比较重要，如果将Zookeeper关掉，就不能读取数据，因为读取数据所需要的元数据表hbase:meta的位置存储在Zookeeper上。

RegionServer内部架构

WAL：
预写日志（Write-Ahead Log），当 *** 作到达Region的时候，Hbase首先把 *** 作写到WAL里面。Hbase会先把数据放到基于内存实现的MemStore里，等数据达到一定的数量时才flush到最终存储的HFile内。假设Hbase把数据从MemStore刷写到HFile的过程中，服务器宕机了或者断电了，那么数据就丢失了。由于数据在写到MemStore之前，先被写到WAL了，那当故障恢复的时候，就可以从WAL中恢复数据了（因为WAL的数据是存储在HDFS上的，所以数据并不会丢失）。

Region：
存储一张表的一部分数据，每个Region都有起始rowkey和结束rowkey，代表了它所存储的row范围。

Region内部结构

多个Store：
每一个Region内都包含有多个Store实例。一个Store对应一个列族的数据，如果一个表有两个列族，那么在一个Region里面就有两个Store。

Store内部结构

MemStore：
每个Store中有一个MemStore实例。数据写入WAL之后就会被放入MemStore。MemStore是内存的存储对象，只有当MemStore满了的时候才会将数据刷写（flush）到HFile中。

HFile：
在Store中有多个HFile。当MemStore满了之后Hbase就会在HDFS上生成一个新的HFile，然后把MemStore中的内容写到这个HFile中。HFile直接跟HDFS打交道，它是数据的存储实体。

HFile的内部结构

Data：
数据块。我们存储在Hbase表中的数据就在这里。

meta：
元数据块。meta块只有在文件关闭的时候才会写入。

FileInfo：
文件信息。只有在文件关闭的时候才会写入，存储的是这个文件的信息，比如最后一个key(Last Key)，平均的Key长度（Avg Key Len）等。

DataIndex：
存储Data块索引信息的块文件。

MediaIndex：
存储meta块索引信息的块文件。

Trailer：
存储了FileInfo、DataIndex、metaIndex的偏移值。

Data数据块内部结构

BlockType：
块的类型。

Cell（KeyValue）：
Cell是一个接口，KeyValue是它的实现类。

KeyValue类：

Value：
存储数据。

Value前面的：
存储跟该单元格相关的元数据信息。

问题：
WAL是存储在HDFS上的，MemStore是存储在内存中，HFile又是存储在HDFS上的。数据在进入HFile之前已经被存储到HDFS一次了，为什么还需要被放入MemStore？
因为HDFS上的文件只能创建、追加、删除，但是不能修改。这样就不能按顺序地存放数据了，增加MemStore的作用是维持数据按照rowkey顺序排列（把数据整理成顺序存放，再一起写入硬盘），而不是做一个缓存，不能加速写入的速度。