Google曾就大量信息如何存储,如何计算,如何快速查询发表了3篇论文,分别是GFS、MapReduce、BigTable ,后来这几篇论文被Doung Cutting(被誉为Hadoop之父)看见了,就使用java语言实现了三篇论文,与之对应的就是:HDFS分布式存储、MapReduce分布式计算、HBase分布式数据库。
HBase概述
① HBase是一个高可靠性、高性能、面向列、可伸缩的NoSQL分布式数据存储系统,利用HBase可实现对大型数据的实时、随机的读写访问。
② HBase 依赖于 HDFS 做底层的数据存储、依赖于 MapReduce做数据计算、依赖于 ZooKeeper 做服务协调。
Hbase架构
HBase 架构如图所示:
从上图中能看出 HBase 是由 Client、ZooKeeper、HMaster、HRegionServer、HDFS 等几个组件组成,组件的相关功能:
① Client
客户端,可以是 HBase Shell、Java API 客户端等,是用来访问HBase 数据库的,它不仅提供了访问接口,还维护了对应的缓存(cache)来加速 HBase 的访问。Client 端的缓存主要是缓存 Region 的位置信息,减少获取元数据的时间。当 Client 端没有缓存的时候(第一次请求),会加载 Region 的位置信息到 Client 端,后面直接使用 cache 中的信息。
② ZooKeeper
HBase通过ZooKeeper来做HMaster的高可用、HRegionServer 的监控、元数据的入口以及集群配置的维护等工作。它具体工作如下:
(1)通过ZoopKeeper 来保证集群中只有1个 HMaster 在运行(active状态),如果HMaster异常,会通过竞争机制产生新的 HMaster 提供服务。
(2)通过ZoopKeeper来监控HRegionServer的状态,当 HRegionSevrer有异常的时候,过回调的形式通知HMaster关于HRegionServer上下线的信息
(3)通过ZoopKeeper存储元数据的统一入口地址
③ HMaster
HMaster 节点的主要职责如下:
(1)监控HRegionServer ,处理HRegionServer故障转移,当某个HRegionServer 挂掉时,ZooKeeper 会将在该 HRegionServer 上的 HRegion 分配到其他 HRegionServer 上进行管理。
(2)HRegion分裂后,负责新的 HRegion 的分配。
(3)处理元数据的变更,比如对表的添加,修改,删除等操作。
(4)在空闲时间进行数据的负载均衡,在 HRegionServer 间迁移HRegion,达到负载均衡。
(5)通过 ZooKeeper 发布自己的位置给客户端。
④ HRegionServer
HRegionServer 直接负责用户的读写请求,是真正的进行数据读写的节点。它的功能概括如下:
(1)负责和底层 HDFS 的交互,存储数据到 HDFS,HBase 是依托于 HDFS的 NoSQL 数据库,数据会存储在 HDFS 上
(2)处理HMaster分配给它的 HRegion。
(3)刷新缓存到 HDFS。
(4)维护 HLog,HLog 是一个容错机制
(5)处理来自客户端的读写请求。HRegionServer 是实际管理数据的,所以客户端的读写请求最终都要由 HRegionServer 来处理。
(6)负责处理 HRegion 变大后的拆分(HRegion的分裂)。
(7)负责 StoreFile 的合并工作。
⑤ HDFS
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:
(1)提供元数据和表数据的底层分布式存储服务。
(2)数据多副本,保证的高可靠和高可用性。
⑥ WAL(Write-Ahead Logs)
Write-Ahead Logs 即预写日志,在 HBase 中为 HLog,HLog 存储在 HDFS 上。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,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,数据在写入内存之前会先写在一个叫做 Write-Ahead logfile 的文件中,然后再写入内存中,在系统出现故障的时候,数据可以通过这个日志文件重建。
⑦ HRegion
HRegion 可以看成是表的横向切分,HBase 表的分片。HBase 每个表都会根据RowKey值被切分成不同的 HRegion ,并分散存储在 HRegionServer 中,在一个HRegionServer 中可以有多个不同的HRegion。这些HRegion 可以是来自不同的表。HRegion、Table、HRegionServer 关系如下面的图所示:TableA按照rowkey被等分为4个region,分别分散存储在同一个或不同的HReginServer中。
⑧ Store
每一个 Region 内部,又分为多个 Store,一个 Store 对应表中的一个列族,即一个 Store 存储了对应表该列族下的部分数据。
⑨ MemStore
内存存储,位于内存中,用来保存当前的数据操作,当数据保存在 WAL 中之后,HRegsionServer 会在内存中存储键值对。
⑩ HFile
HFile是指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,文件内容是二进制。
免责申明:
本文系转载,版权归原作者所有,如若侵权请联系我们进行删除!
《数据治理行业实践白皮书》下载地址:https://fs80.cn/4w2atu
《数栈V6.0产品白皮书》下载地址:https://fs80.cn/cw0iw1
想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:https://www.dtstack.com/?src=bbs
同时,欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」,交流最新开源技术信息,群号码:30537511,项目地址: