案例篇-HBase 基本知识介绍及典型案例分析

本文来自于 2018 年 10 月 20 日由中国 HBase 技术社区在武汉举办的中国 HBase Meetup 第六次线下交流会。HBase 基本知识介绍及典型案例分析 PPT 下载:https://yq.aliyun.com/download/3259

案例篇-HBase 基本知识介绍及典型案例分析

本次分享的内容主要分为以下五点

  1. HBase 基本知识
  2. HBase 读写流程
  3. RowKey 设计要点
  4. HBase 生态介绍
  5. HBase 典型案例分析

1. HBase 基本知识

首先我们简单介绍一下 HBase 是什么?

案例篇-HBase 基本知识介绍及典型案例分析

HBase 最开始是受 Google 的 BigTable 启发而开发的分布式、多版本、面向列 的开源数据库。其主要特点是支持上亿行、百万列,支持强一致性、并且具有高 扩展、高可用等特点。
既然 HBase 是一种分布式的数据库,那么其和传统的 RMDB 有什么区别的呢? 我们先来看看HBase表核心概念,理解这些基本的核心概念对后面我理解 HBase 的读写以及如何设计 HBase 表有着重要的联系。

案例篇-HBase 基本知识介绍及典型案例分析

HBase 表主要由以下几个元素组成:

  1. RowKey:表中每条记录的主键;
  2. Column Family:列族,将表进行横向切割,后面简称 CF;
  3. Column:属于某一个列族,可动态添加列;
  4. Version Number:类型为 Long,默认值是系统时间戳,可由用户自定义;
  5. Value:真实的数据。

大家可以从上面的图看出:一行(Row)数据是可以包含一个或多个 Column Family,但是我们并不推荐一张 HBase 表的 ColumnFamily 超过三个。Column 是属于 Column Family 的,一个 Column Family 包含一个或多个 Column。
在物理层面上,所有的数据其实是存放在 Region 里面的,而 Region 又由 RegionServer 管理,其对于的关系如下:

案例篇-HBase 基本知识介绍及典型案例分析

  1. Region:一段数据的集合;
  2. RegionServer:用于存放 Region 的服务。
    从上面的图也可以清晰看到,一个 RegionServer 管理多个 Region;而一个 Region 管理一个或多个 Column Family。

2. HBase 读写流程
到这里我们已经了解了 HBase 表的组成,但是 HBase 表里面的数据到底是怎 么存储的呢?

案例篇-HBase 基本知识介绍及典型案例分析

上面是一张从逻辑上看 HBase 表形式,这个和关系型数据库很类似。那么如果我们再深入看,可以看出,这张表的划分可以如下图表示。

案例篇-HBase 基本知识介绍及典型案例分析

从上图大家可以明显看出,这张表有两个 ColumnFamily ,分别为 personal 和 office。而 personal 又有三列 name、city 以及 phone;office 有两列 tel 以及 address。由于存储在 HBase 里面的表一般有上亿行,所以 HBase 表会对整个 数据按照 RowKey 进行字典排序,然后再对这张表进行横向切割。切割出来的数据是存储在 Region 里面,而不同的 Column Family 虽然属于一行,但是其在底层存储是放在不同的 Region 里。所以这张表我用了六种颜色表示,也就是说,这张表的数据会被放在六个 Region 里面的,这就可以把数据尽可能的分散到整个集群。

在前面我们介绍了 HBase 其实是面向列的数据库,所以说一行 HBase 的数据 其实是分了好几行存储,一个列对应一行,HBase 的 KV 结构如下:

案例篇-HBase 基本知识介绍及典型案例分析

为了简便期间,在后面的表示我们删除了类似于 Key Length 的属性,只保留 RowKey、ColumnFamily、ColumnQualifier等信息。所以 RowKey 为 Row1 的 数据第一列表示为上图最后一行的形式。以此类推,整个表的存储就可以如下表示:

案例篇-HBase 基本知识介绍及典型案例分析

大家可以从上面的 kv 表现形式看出,Row11 的 phone 这列其实是没有数据的, 在 HBase 的底层存储里面也就没有存储这列了,这点和我们传统的关系型数据库有很大的区别,有了这个特点, HBase 特别适合存储稀疏表。我们前面也将了 HBase 其实是多版本的,那如果我们修改了 HBase 表的一列,HBase 又是如何存储的呢?

案例篇-HBase 基本知识介绍及典型案例分析

比如上如中我们将 Row1 的 city 列从北京修改为上海了,如果使用 KV 表示的话,我们可以看出其实底层存储了两条数据,这两条数据的版本是不一样的,最新的一条数据版本比之前的新。总结起来就是:

  1. HBase 支持数据多版本特性,通过带有不同时间戳的多个 KeyValue 版本来实现的;
  2. 每次 put,delete 都会产生一个新的Cell,都拥有一个版本;
  3. 默认只存放数据的三个版本,可以配置;
  4. 查询默认返回最新版本的数据,可以通过制定版本号或版本数获取旧数据。

到这里我们已经了解了 HBase 表及其底层的 KV 存储了,现在让我们来了解一下 HBase 是如何读写数据的。首先我们来看看 HBase 的架构设计,这种图来自于社区:

案例篇-HBase 基本知识介绍及典型案例分析

HBase 的写过程如下:

  1. 先将数据写到 WAL 中;
  2. WAL 存放在 HDFS 之上;
  3. 每次 Put、Delete 操作的数据均追加到 WAL 末端;
  4. 持久化到 WAL 之后,再写到 MemStore 中;
  5. 两者写完返回 ACK 到客户端。

案例篇-HBase 基本知识介绍及典型案例分析

MemStore 其实是一种内存结构,一个 Column Family 对应一个 MemStore, MemStore 里面的数据也是对 Rowkey 进行字典排序的,如下:

案例篇-HBase 基本知识介绍及典型案例分析

既然我们写数都是先写 WAL,再写 MemStore ,而 MemStore 是内存结构, 所以 MemStore 总会写满的,将 MemStore 的数据从内存刷写到磁盘的操作成 为 flush:

案例篇-HBase 基本知识介绍及典型案例分析

以下几种行为会导致 flush 操作

  1. 全局内存控制;
  2. MemStore 使用达到上限;
  3. RegionServer 的 Hlog 数量达到上限;
  4. 手动触发;
  5. 关闭 RegionServer 触发。

每次 flush 操作都是将一个 MemStore 的数据写到一个 HFile 里面的,所以上 图中 HDFS 上有许多个 HFile 文件。文件多了会对后面的读操作有影响,所以 HBase 会隔一定的时间将 HFile 进行合并。根据合并的范围不同分为 Minor Compaction 和 Major Compaction:

案例篇-HBase 基本知识介绍及典型案例分析

Minor Compaction: 指选取一些小的、相邻的 HFile 将他们合并成一个更大的 Hfile。
Major Compaction:

  1. 将一个 column family 下所有的 Hfiles 合并成更大的;
  2. 删除那些被标记为删除的数据、超过 TTL(time-to-live)时限的数据,以 及超过了版本数量限制的数据。
    HBase 读操作相对于写操作更为复杂,其需要读取 BlockCache、MemStore 以及 HFile。

案例篇-HBase 基本知识介绍及典型案例分析

上图只是简单的表示 HBase 读的操作,实际上读的操作比这个还要复杂,我这里就不深入介绍了。
到这里,有些人可能就想到了,前面我们说 HBase 表按照 Rowkey 分布到集群的不同机器上,那么我们如何去确定我们该读写哪些 RegionServer 呢?这就是 HBase Region 查找的问题

案例篇-HBase 基本知识介绍及典型案例分析

客户端按照上面的流程查找需要读写的 RegionServer 。这个过程一般是第一次读写的时候进行的,在第一次读取到元数据之后客户端一般会把这些信息缓存到 自己内存中,后面操作直接从内存拿就行。当然,后面元数据信息可能还会变动, 这时候客户端会再次按照上面流程获取元数据。到这里整个读写流程得基本知识就讲完了。

3. RowKey 设计要点

现在我们来看看 HBaseRowKey 的设计要点。我们一般都会说,看 HBase 设计的好不好,就看其 RowKey 设计的好不好,所以RowKey 的设计在后面的写操作至关重要。我们先来看看 Rowkey 的作用。

案例篇-HBase 基本知识介绍及典型案例分析

HBase 中的 Rowkey 主要有以下的作用:

  1. 读写数据时通过 Row Key 找到对应的 Region
  2. MemStore 中的数据按 RowKey 字典顺序排序
  3. HFile 中的数据按 RowKey 字典顺序排序

从下图可以看到,底层的 HFile 最终是按照 Rowkey 进行切分的,所以我们的设计原则是结合业务的特点,并考虑高频查询,尽可能的将数据打散到整个集群。

案例篇-HBase 基本知识介绍及典型案例分析

一定要充分分析清楚后面我们的表需要怎么查询。下面我们来看看三种比较场景的 Rowkey 设计方案。

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

这三种 Rowkey 的设计非常常见,具体的内容图片上也有了,我就不打文字了。 数据如果只是存储在哪里其实并没有什么用,我们还需要有办法能够使用到里面的数据。幸好的是,当前 HBase 有许多的组件可以满足我们各种需求。如下图是 HBase 比较常用的组件:

案例篇-HBase 基本知识介绍及典型案例分析

4. HBase 生态介绍

HBase 的生态主要有:

  1. Phoenix:主要提供使用 SQL 的方式来查询 HBase 里面的数据。一般能够 在毫秒级别返回,比较适合 OLTP 场景。
  2. Spark:我们可以使用 Spark 进行 OLAP 分析;也可以使用 Spark SQL 来 满足比较复杂的 SQL 查询场景;使用 Spark Streaming 来进行实时流分 析。
  3. Solr:原生的 HBase 只提供了 Rowkey 单主键,如果我们需要对 Rowkey 之外的列进行查找,这时候就会有问题。幸好我们可以使用 Solr 来建立二 级索引/全文索引充分满足我们的查询需求。
  4. HGraphDB:HGraphDB 是分布式图数据库。依托图关联技术,帮助金融机构有 效识别隐藏在网络中的黑色信息,在团伙欺诈、黑中介识别等。
  5. GeoMesa:目前基于 NoSQL 数据库的时空数据引擎中功能最丰富、社区贡献 人数最多的开源系统。
  6. OpenTSDB:基于 HBase 的分布式的,可伸缩的时间序列数据库。适合做监控 系统;譬如收集大规模集群(包括网络设备、操作系统、应用程序)的监控 数据并进行存储查询。

下面简单介绍一下这些组件
案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

5. HBase 典型案例分析

有了这么多组件,我们都可以干什么呢?来看看 HBase 的典型案例。

案例篇-HBase 基本知识介绍及典型案例分析

HBase 在风控场景、车联网/物联网、广告推荐、电子商务等行业有着广泛的使用。下面是四个典型案例的架构,由于图片里有详细的文字,我就不再打出来了。

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

案例篇-HBase 基本知识介绍及典型案例分析

大家工作学习遇到 HBase 技术问题,把问题发布到 HBase 技术社区论坛 http://hbase.group,欢迎大家论坛上面提问留言讨论。想了解更多 HBase 技术关注 HBase 技术社区公众号(微信号:hbasegroup),非常欢迎大家积极投稿。

上一篇:springboot 集成 activiti 流程引擎


下一篇:SpringBoot 配置支付宝接口