投稿
  1. 首页
  2. 随笔

Hbase

yuanma • 2022-12-17 • 随笔 • 阅读 39

Hbase,第1张

Hbase 一. Hbase的概述 1.1 Hbase简介 1) 简要介绍 
1. Hbase是一个hadoop数据库
2. 是一个非关系型数据库,具有分布式,良好的扩展性,面向列式存储的数据库
3. 灵感来源与Google的《Big Table》论文,java语言编写,开源
2) 特性 
- 强一致性读写,适合统计分析聚合类任务
- 自动分片
- 自动RegionServer故障转移
- hbase存储是基于HDFS的
- Hbase可以与MapReduce进行整合,进行数据分析
- Hbase还提供java语言的客户端接口
- Thrift/REST API,也提供了非java语言的连接 *** 作
- Hbase提供了快缓存和布隆过滤器等机制来提高查询效率等
3) 使用场景 
1. 当数据量特别大的时候
2. 集群节点数多以10个的情况
3. 以及不需要具有事务,高级查询语言等功能的情况下
1.2 Hbase的表的模型 1.2.1 关系型数据的表的模型 
1. 表的模型是面向行式存储的,也就是每条记录都是紧凑的挨着的
2. 优点
    - 用户再插入数据的时候,效率特别高,只是追加 *** 作
    - 查询 *** 作时,效率高例如(select *)
    - 结构清晰,每一行的列的数据都是固定的
    - 支持ACID事务
3. 缺点
    - 一但数据表中存储数据后,修改表的结构就会 变得特别困难
    - 如果我们想扩展字段的时候,会对表的结构产生影响
    - 即使某一行中的某个字段没有赋值,也要使用null填充
    - 一旦涉及多张表,因为数据表存在复杂关系,管理非常不方便
    - 一旦面对海量数据的处理时,读写性能特别差,尤其是高并发这一块

1.2.2 Hbase的表模型

1. Hbase是面向列是存储的
2. 定义表的时候不需要指定列明,列类型,只需要指定列族名即可
3. 数据实际上的是按照key:value的形式存储的,一个kv被称为一个cell(单元格),每个单元格之后都对应一个版本号,版本号就是时间戳,一个k可以对应多个版本
4. 列族:为了方便管理多个key:value
5. rowkey:区分不同事物的key:value
6. region:为了管理表的数据,一个region对应一张表或是一个表的是一部分
7. Hbase中的数据都是byte[]
8. Hbase会在内存中进行排序
    查询时：先按照rowkey排序，然后是列族名排序，再按照key进行排序
    插入数据时,先按照rowkey进行排序,再按照key进行排序,都是字典排序规则
1.3Hbase的体系结构 
1. Client:Hbase的客户端
    - Hbase提供了客户端使用API接口
    - API里还维护了一个缓存机制,用于加快客户端的访问效率
2. Zookeeper
    - 维护者Hbase的高可用,保证只有一个活跃的Hmaster
    - 维护者regionServer的动态上下线的感知
    - 维护者所有的region的地址以及部分元数据
3. Hmaster
    - 只要管理者region的负载均衡
        1) 表的第一个region的分配位置
        2) region过大之后进行切分,形成新的region重新分配
        3) regionServer宕机后的region的重新分配
    - hdfs上的垃圾回收
    - 处理新的schama的维护(namespance的创建和删除等)
4. regionServer
    - 主要就是管理本节点上的所有region
    - 处理客户端的读写请求
    - 负责hlog和storefile的读写
5. Region
    - 实际上就是表,或者是表的一部分
    - 本质就是region下的子目录
6. store
    - 一个列族对应一个store
    - 本质:在region目录下的子目录
7. metastore
    - 一个store对应一个metastore(写缓存),默认(128)
8. Hfile/StoreFile
    - 当metastore达到阈值的时候(128M,40%,1小时)就会被flush出来,形成一个storefile
9. hlog
    - 一个regionServer上维护着一个hlog文件,以WAL格式记录这客户端的 *** 作,防止宕机止呕丢失数据,然后可以重演一次,一便找回数据
二. 完全分布式的搭建 2.1 注意事项 
必须配置好集群的免密登录认证
必须配置时间同步。保证集群节点的时间差不能超过30秒，否则regionserver启动失败
2.2 上传,解压,配置环境变量 
tar -zxvf hbase-1.2.1-bin.tar.gz -C /usr/local/
cd /usr/local/
mv hbase-1.2.1/ hbase
vim /etc/profile
.......省略.......
#hbase environment
export Hbase_HOME=/usr/local/hbase
export PATH=$Hbase_HOME/bin:$PATH
​
source /etc/profile

2.3配置hbase-env.sh环境脚本

vi $Hbase_HOME/conf/hbase-env.sh
​
#找到下面内容，解开注释，添加具体路径
​
# The java implementation to use.  Java 1.7+ required.
export JAVA_HOME=/usr/local/jdk
​
# Tell Hbase whether it should manage it's own instance of Zookeeper or not.
export Hbase_MANAGES_ZK=false       #禁止内置zookeeper

步骤3）：配置hbase-site.xml文件


   
   
      hbase.rootdir
      hdfs://192.168.10.101:8020/hbase
     
   
   
      hbase.cluster.distributed
      true
   
   
   
      hbase.zookeeper.quorum
      192.168.10.101:2181,192.168.10.102:2181,192.168.10.103:2181
   
   
   
      hbase.unsafe.stream.capability.enforce
      true
   
   
   
      hbase.table.sanity.checks
      false
  

步骤4）：配置regionservers文件，添加regionserver所在机器的host

vi $Hbase_HOME/conf/regionservers
​
删除localhost
添加:
    192.168.10.101
    192.168.10.102
    192.168.10.103

步骤5）：配置备份hmaster: 创建backup-masters文件

cd $Hbase_HOME/conf/
echo "qianfeng02">> backup-masters

步骤6）： 将hadoop的core-site.xml和hdfs-site.xml拷贝到hbase的conf目录下

cp $HADOOP_HOME/etc/hadoop/{core-site.xml,hdfs-site.xml} $Hbase_HOME/conf/

步骤7）：同步到其他节点上

scp -r /usr/local/hbase 192.168.10.102:/usr/local
scp -r /usr/local/hbase 192.168.10.103:/usr/local
scp /etc/profile 192.168.10.102:/etc/
scp /etc/profile 192.168.10.103:/etc/
​
注意：
     重新引导一下各个节点的环境变量配置情况
2.3.3 启动集群

启动顺序如下：

第一步：必须先启动hdfs和zookeeper

zkServer.sh start
zkServer.sh start
zkServer.sh start
​
别忘记：zkServer.sh status查看状态
​
start-dfs.sh

第二步：启动hbase的守护进程

start-hbase.sh

第三步：检查相关进程

方式1： jps
方式2： webui  ---> 192.168.10.101:16010
2.3.4 客户端连接集群

1）hbase本身自己就提供了一个命令行连接工具

hbase shell

2）可以使用java语言调用API接口连接

三. Hbase的shell 
hbase(main): > help      查看所有的命令组及其命令 名称
hbase(main): > help 'COMMAND GROUPNAME'  查看命令组里的命令用法
hbase(main): > help 'COMMAND'  查看指定的命令用法
3.1 namespace的DDL 
1. 列出命令空间: list_namespace
2. 创建命名空间: create_namespace
3. 描述命名空间: describe_namespace
4. 修改命名空间: alter_namespace
5. 删除命名空间: drop_namespace
3.2 table的DDL 
创建表
表结构的查看: list,list_namespace_tables,describe
表结构的修改: alter(对列族的增加,或者是列族)
表结构的删除: disable,disable_all,drop,drop_all
3.3 table的CRUD 
表数据的增加: put
表数据的查看: scan,get
表数据的删除: delete,truncate
四. Hbase的工作机制 4.1 habse的寻址机制 
1. 先访问当前节点缓存,看有没有region的信息
2. 如果没有访问zookeeper,找到meta的表的信息
3. 访问meta表,找到自己想要找的数据在哪儿,拿到region的源数据
4. 去管理region的regionServer,找到具体的region
4.2 hbase的存储机制 
1. 通过寻址流程找到具体的region
2. 将单元格存储到store对应的metastore中
3. 排序:按照rowkey升序,key升序,timestamp降序
4. 达到flush的阈值时,开始flush,生成storefile,然后youstore来维护n个storefile的索引信息
5. 当storefile达到阈值的时候,就会进行合并,合并期间会进行排序,还会进行真正的删除(删除老版本)和修改 *** 作(将有delete标记的单元格删除)
6. 当storefile达到大小阈值的时候,就会触发split *** 作,将数据尽量做到平均分配为两个region,旧的region下线,新的region上线,由hmaster来重新进行负载均衡
4.3 名词解释 
flush
    当memstore达到阈值是，将内存中的数据冲刷成文件
compact
    当storefile达到数量阈值时,进行合并 *** 作
spilt
    当文件达到大小阈值的时候,会对region进行切分
4.4 hbase的读写流程 4.4.1 hbase的读流程 
1. 客户端请求zookeeper,获取meta表的位置信息
2. 客户端跳转到meta的表,获取要访问的表的具体region位置
3. 客户端跳转到具体region所在的regionserver,找到该region
4. 访问对应的store下的memstore(写缓存),日过有数据就返回,如果没有数据,就访问regionserver的对应读缓存,如果没有数据,在访问磁盘,然后数据返回给客户端,并保存到读缓存中,方便下次读取
4.4.2 hbase的写流程 
1. 客户端请求zookeeper,获取meta的位置信息
2. 客户端跳到meta表吗,获取要访问的表的具体region的位置
3. 客户端跳转到具体region的所在的regionserver的位置,找到region,将单元格写入对应的store的metstore
4. 在memstore里进行排序(rowkey升序,key升序,timestamp降序)
5. 如果达到memstore的阈值,就会flush成storefile文件,由store进行管理索引信息
6. 如果storefile数量达到阈值是，会进行合并 *** 作(排序，实际的删除和修改)
7.  如果合并成的文件达到大小阈值时，会进行切分，造成region的切分(旧region下线，两个新region生成)
4.5 布隆过滤器 4.5.1 简介 
- 布隆过滤器是一个数据结构
- 内部维护着一个二进制向量的位数组，默认大小64K
- 还维护着N个hash算法， 默认值是3个。
- 牺牲了准确率，算法的时间复杂度是O(1)。从而提高了查询效率
- 特点：  判断一个元素是否在一个集合中，有两种结果：一种就是在集合中，但是不一定真实存在
         另外一种结果就是不在集合中，那么就一定不在集合中。
4.5.2 原理 
当存储元素时，会调用hash算法，计算元素的三个hash值，三个值作为bit数组的下标，将对应的元素由0改为1. (注意，hbase在put数据，不判断是否存在过)。
​
当在查询一个元素是否在这个集合中时，也是算出三个hash值作为下标，访问对应上的数据是否为1，如果全都是1，表明该元素可能存在这个集合中。只要有一个位置上是0，则表示该元素一定不在集合中。
五. hbase的二级索引和协处理器 5.1二级索引的简介 
概念：维护的数据是另外一张表的单元格与rowkey的映射关系的表，就是二级索引表
作用：提高查询效率，避免对原表的全表遍历， 牺牲磁盘空间，换取查询效率。
5.2 协处理器 
在Hbase的低版本(0.92以前)作为列族数据库最经常被人诟病的特性包括：无法轻易建立“二级索引”，难以执行求和、计数、排序等 *** 作。
之后引入了协处理器(coprocessor)进行改进，可以轻松的实现上述需求。
5.3 协处理器的分类 
分两大类型：一个是Observer类型， 一个是endpoint类型
​
- Observer 允许集群在正常的客户端 *** 作过程中可以有不同的行为表现  
- Observer 类似于 RDBMS 中的触发器，主要在服务端工作
- Observer 可以实现权限管理、优先级设置、监控、ddl 控制、二级索引等功能
​
- Endpoint 类似于 RDBMS 中的存储过程，主要在服务端工作
- Endpoint 允许扩展集群的能力，对客户端应用开放新的运算命令  
- Endpoint 可以实现 min、max、avg、sum、distinct、group by 等功能
六. hbase的优化 6.1 在设计表上进行优化

1）预分区

在创建表的时候进行预分区，好处是，减少hbase的region的切分所造成的性能开销。

2）优秀的rowkey设计（重要）

热点问题：  当过多的请求集中在某一个机器节点上，可能会造成机器的瘫痪。 这种问题就叫热点问题。
1. rowkey的唯一原则
​
2. rowkey的长度一致原则
    长度不一致的缺点，排序不是我们所想要的
    长度：建议低于100个字节， 最好是16个字节。 不过要看具体需求具体分析。     
3. rowkey的散列原则(rowkey反过来)：(避免热点问题)
    123123 => 321321
    -- 加盐Salt  
    -- hash随机
          提前对普通的rowkey进行hash算法或者是取模算法或者其他的加密算法。将计算出来的结果，取前4位，作为前缀，拼接到rowkey前。这样的就可以将数据分散到不同的region里存储了。
          
         942a-abc001  -->     
         3030-abc002

3）列族个数

-- hbase对多于2以上的列族维护性能开销很大
   某一个列族下的一个文件达到大小阈值时，可能会关联到其他文件的切分，就会产生大量的磁盘IO。

4）使用内存

在建表时，可以开启regionserver的缓存。将表缓存到服务端。

5）版本数量与存活周期的设计

根据数据的重要性，适当的调整版本数量和存储周期

6）合并和切分

compact: 减少storefile的数量，可以提高查询效率。因此，可以适当的手动触发合并。
split: hbase的切分会产生性能开销，因此可以调高storefile大小阈值。
6.2 写表 *** 作的优化

1）大数据集多可客户端写

数据量特别大的时候，可以使用多个Table进行写 *** 作

2）取消自动flush

客户端有缓存，默认情况下是一条一flush，取消后，可以批量的put
HTable.setAutoFlush(false)

3）提高客户端的buffer

可以提高客户端的缓存字节数，批量的冲刷
table.setWriteBufferSize();
参数： hbase.client.write.buffer

4）取消WAL写（谨慎使用）

在配置文件中设置HLog的是否写 *** 作。hbase-site.xml

5）批量put

默认情况下是一条一put。  可以使用put(List puts)

6）多线程写

并发的写
6.3 读表 *** 作的优化

1）大数据集多客户端读

数据量特别大的时候，可以使用for循环开启多个Table读数据

2）参数设置

可以设置客户端，以及服务端的相关参数：
hbase.client.scanner.caching ： 设置一次scan的条数， 默认是1条， 可以往大了调整。 减少scan与hbase的交互次数

3）批量读取

get(List gets)

4）多线程读取

并发读取

5）客户端设置缓存

可以自己写api, 在程序中维护一个数据结构，来存储查询过的数据。前提是这样的数据要频繁查询多次。

6）提高服务端的读缓存

6.4 其他相关优化

1）hdfs

2）zookeeper

3）linux

4）hbase高可用

启动高可用，多个hmaster.     hmaster可以有多个

5）关闭不必要的服务

节省内存使用资源

欢迎分享，转载请注明来源：内存溢出

原文地址: http://outofmemory.cn/zaji/5690298.html

赞 (0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
yuanma yuanma 一级用户组
0 0
上一篇 2022-12-17
下一篇 2022-12-17

发表评论

登录后才能评论

评论列表（0条）

保存