HBase详细讲解.pdf

《HBase详细讲解.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Hadoop高级开发培训第1章HBase概述本章导读1.Hbase发展历史2.Hbase技术特点1.1Hbase发展历史概述HBase是一个分布式的、面向列的开源数据库，该技术来源于Changetal所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（FileSystem）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBas

2、e基于列的而不是基于行的模式。2006年发起，2010年升级为Apach顶层项目1.2Hbase技术特点技术特点1大表：一个表可以有上亿行，上百万列2面向列:面向列(族)的存储和权限控制，列(族)独立检索。3稀疏:对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。第2章HBase逻辑视图本章导读1.表存储结构2.Rowkey3.Columnsfamily4.TimeStamp5.Cell2.1表存储结构示例HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族(rowfamily)2.2RowkeyRowKey与nosql数据库们一样,ro

3、wkey是用来检索记录的主键。访问hbasetable中的行，只有三种方式：1通过单个rowkey访问2通过rowkey的range3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(byteorder)排序存储。设计key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)2.3ColumnsFamily列簇hbase表中的每个列，都归属与某个列族。列族是表的schema的一部分(而列不是)，必须在使用表之前

4、定义。列名都以列族作为前缀。例如courses:history，courses:math都属于courses这个列族。访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能帮助我们管理不同类型的应用：我们允许一些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继承的列族、一些应用则只允许浏览数据（甚至可能因为隐私的原因不能浏览所有数据）。2.4TimeStamp时间戳HBase中通过row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

5、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。2.5Cell时间戳由{rowkey,column(=+),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

6、式存贮。关键字：无类型、字节码第3章Hbase物理存储本章导读1.HTable2.HRegion3.Store4.HFile5.HLog3.1HTableHTableTable在行的方向上分割为多个HRegion3.1HRegionHregion分割Region按大小分隔，达到阈值，HRegion自动等分3.2HRegionHRegion分布HBase中分布式存储和负载均衡的最小单元3.2HRegion3.3StoreStoreHHRegion是分布式存储的最小单元，但不是存储的最小单元3.4HFileHFile3.4HFileHFile分为6部分DataBlock

7、段–保存表中的数据，这部分可以被压缩。MetaBlock段(可选的)–保存用户自定义的kv对，可以被压缩。FileInfo段–Hfile的元信息，不被压缩，用户也可以在这一部分添加自己的元信息。DataBlockIndex段–DataBlock的索引。每条索引的key是被索引的block的第一条记录的Key。MetaBlockIndex段(可选的)–MetaBlock的索引。Trailer–这一段是定长的。保存了每一段的