歡迎來到Linux教程網
Linux教程網
Linux教程網
Linux教程網
您现在的位置: Linux教程網 >> UnixLinux >  >> Linux綜合 >> 學習Linux

Hadoop集群中Hbase的介紹、安裝、使用

Hadoop集群中Hbase的介紹、安裝、使用

Hadoop集群中Hbase的介紹、安裝、使用


導讀HBase – Hadoop Database,是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統,利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲集群。一、Hbase簡介

HBase是Google Bigtable的開源實現,類似Google Bigtable利用GFS作為其文件存儲系統,HBase利用Hadoop HDFS作為其文件存儲系統;Google運行MapReduce來處理Bigtable中的海量數據,HBase同樣利用Hadoop MapReduce來處理HBase中的海量數據;Google Bigtable利用Chubby作為協同服務,HBase利用Zookeeper作為對應。
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

上圖描述了Hadoop EcoSystem中的各層系統,其中HBase位於結構化存儲層,Hadoop HDFS為HBase提供了高可靠性的底層存儲支持,Hadoop MapReduce為HBase提供了高性能的計算能力,Zookeeper為HBase提供了穩定服務和failover機制。

此外,Pig和Hive還為HBase提供了高層語言支持,使得在HBase上進行數據統計處理變的非常簡單。 Sqoop則為HBase提供了方便的RDBMS數據導入功能,使得傳統數據庫數據向HBase中遷移變的非常方便。

HBase訪問接口
  1. Native Java API,最常規和高效的訪問方式,適合Hadoop MapReduce Job並行批處理HBase表數據
  2. HBase Shell,HBase的命令行工具,最簡單的接口,適合HBase管理使用
  3. Thrift Gateway,利用Thrift序列化技術,支持C++,PHP,Python等多種語言,適合其他異構系統在線訪問HBase表數據
  4. REST Gateway,支持REST 風格的Http API訪問HBase, 解除了語言限制
  5. Pig,可以使用Pig Latin流式編程語言來操作HBase中的數據,和Hive類似,本質最終也是編譯成MapReduce Job來處理HBase表數據,適合做數據統計
  6. Hive,當前Hive的Release版本尚沒有加入對HBase的支持,但在下一個版本Hive 0.7.0中將會支持HBase,可以使用類似SQL語言來訪問HBase
HBase數據模型

1、Table & Column Family
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

Ø Row Key: 行鍵,Table的主鍵,Table中的記錄按照Row Key排序

Ø Timestamp: 時間戳,每次數據操作對應的時間戳,可以看作是數據的version number

Ø Column Family:列簇,Table在水平方向有一個或者多個Column Family組成,一個Column Family中可以由任意多個Column組成,即Column Family支持動態擴展,無需預先定義Column的數量以及類型,所有Column均以二進制格式存儲,用戶需要自行進行類型轉換。

2、Table & Region

當Table隨著記錄數不斷增加而變大後,會逐漸分裂成多份splits,成為regions,一個region由[startkey,endkey)表示,不同的region會被Master分配給相應的RegionServer進行管理:

3、-ROOT- && .META. Table
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

HBase中有兩張特殊的Table,-ROOT-和.META.

Ø .META.:記錄了用戶表的Region信息,.META.可以有多個regoin

Ø -ROOT-:記錄了.META.表的Region信息,-ROOT-只有一個region

Ø Zookeeper中記錄了-ROOT-表的location
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

Client訪問用戶數據之前需要首先訪問zookeeper,然後訪問-ROOT-表,接著訪問.META.表,最後才能找到用戶數據的位置去訪問,中間需要多次網絡操作,不過client端會做cache緩存。

MapReduce on HBase

在HBase系統上運行批處理運算,最方便和實用的模型依然是MapReduce,如下圖:
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

HBase Table和Region的關系,比較類似HDFS File和Block的關系,HBase提供了配套的TableInputFormat和TableOutputFormat API,可以方便的將HBase Table作為Hadoop MapReduce的Source和Sink,對於MapReduce Job應用開發人員來說,基本不需要關注HBase系統自身的細節。

二、HBase系統架構

Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

Client

HBase Client使用HBase的RPC機制與HMaster和HRegionServer進行通信,對於管理類操作,Client與HMaster進行RPC;對於數據讀寫類操作,Client與HRegionServer進行RPC

Zookeeper

Zookeeper Quorum中除了存儲了-ROOT-表的地址和HMaster的地址,HRegionServer也會把自己以Ephemeral方式注冊到 Zookeeper中,使得HMaster可以隨時感知到各個HRegionServer的健康狀態。此外,Zookeeper也避免了HMaster的 單點問題,見下文描述

HMaster

HMaster沒有單點問題,HBase中可以啟動多個HMaster,通過Zookeeper的Master Election機制保證總有一個Master運行,HMaster在功能上主要負責Table和Region的管理工作:

  1. 管理用戶對Table的增、刪、改、查操作
  2. 管理HRegionServer的負載均衡,調整Region分布
  3. 在Region Split後,負責新Region的分配
  4. 在HRegionServer停機後,負責失效HRegionServer 上的Regions遷移
HRegionServer

HRegionServer主要負責響應用戶I/O請求,向HDFS文件系統中讀寫數據,是HBase中最核心的模塊。
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

HRegionServer內部管理了一系列HRegion對象,每個HRegion對應了Table中的一個Region,HRegion中由多 個HStore組成。每個HStore對應了Table中的一個Column Family的存儲,可以看出每個Column Family其實就是一個集中的存儲單元,因此最好將具備共同IO特性的column放在一個Column Family中,這樣最高效。

HStore存儲是HBase存儲的核心了,其中由兩部分組成,一部分是MemStore,一部分是StoreFiles。MemStore是 Sorted Memory Buffer,用戶寫入的數據首先會放入MemStore,當MemStore滿了以後會Flush成一個StoreFile(底層實現是HFile), 當StoreFile文件數量增長到一定阈值,會觸發Compact合並操作,將多個StoreFiles合並成一個StoreFile,合並過程中會進 行版本合並和數據刪除,因此可以看出HBase其實只有增加數據,所有的更新和刪除操作都是在後續的compact過程中進行的,這使得用戶的寫操作只要進入內存中就可以立即返回,保證了HBase I/O的高性能。

當StoreFiles Compact後,會逐步形成越來越大的StoreFile,當單個StoreFile大小超過一定阈值後,會觸發Split操作,同時把當前 Region Split成2個Region,父Region會下線,新Split出的2個孩子Region會被HMaster分配到相應的HRegionServer 上,使得原先1個Region的壓力得以分流到2個Region上。下圖描述了Compaction和Split的過程:
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

在理解了上述HStore的基本原理後,還必須了解一下HLog的功能,因為上述的HStore在系統正常工作的前提下是沒有問題的,但是在分布式系統環境中,無法避免系統出錯或者宕機,因此一旦HRegionServer意外退出,MemStore中的內存數據將會丟失,這就需要引入HLog了。 每個HRegionServer中都有一個HLog對象,HLog是一個實現Write Ahead Log的類,在每次用戶操作寫入MemStore的同時,也會寫一份數據到HLog文件中(HLog文件格式見後續),HLog文件定期會滾動出新的,並刪除舊的文件(已持久化到StoreFile中的數據)。當HRegionServer意外終止後,HMaster會通過Zookeeper感知 到,HMaster首先會處理遺留的 HLog文件,將其中不同Region的Log數據進行拆分,分別放到相應region的目錄下,然後再將失效的region重新分配,領取 到這些region的HRegionServer在Load Region的過程中,會發現有歷史HLog需要處理,因此會Replay HLog中的數據到MemStore中,然後flush到StoreFiles,完成數據恢復。

HBase存儲格式

HBase中的所有數據文件都存儲在Hadoop HDFS文件系統上,主要包括上述提出的兩種文件類型:

  1. HFile, HBase中KeyValue數據的存儲格式,HFile是Hadoop的二進制格式文件,實際上StoreFile就是對HFile做了輕量級包裝,即StoreFile底層就是HFile
  2. HLog File,HBase中WAL(Write Ahead Log) 的存儲格式,物理上是Hadoop的Sequence File
HFile

下圖是HFile的存儲格式:
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

首先HFile文件是不定長的,長度固定的只有其中的兩塊:Trailer和FileInfo。正如圖中所示的,Trailer中有指針指向其他數 據塊的起始點。File Info中記錄了文件的一些Meta信息,例如:AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY等。Data Index和Meta Index塊記錄了每個Data塊和Meta塊的起始點。

Data Block是HBase I/O的基本單元,為了提高效率,HRegionServer中有基於LRU的Block Cache機制。每個Data塊的大小可以在創建一個Table的時候通過參數指定,大號的Block有利於順序Scan,小號Block利於隨機查詢。 每個Data塊除了開頭的Magic以外就是一個個KeyValue對拼接而成, Magic內容就是一些隨機數字,目的是防止數據損壞。後面會詳細介紹每個KeyValue對的內部構造。

HFile裡面的每個KeyValue對就是一個簡單的byte數組。但是這個byte數組裡面包含了很多項,並且有固定的結構。我們來看看裡面的具體結構:
Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

開始是兩個固定長度的數值,分別表示Key的長度和Value的長度。緊接著是Key,開始是固定長度的數值,表示RowKey的長度,緊接著是 RowKey,然後是固定長度的數值,表示Family的長度,然後是Family,接著是Qualifier,然後是兩個固定長度的數值,表示Time Stamp和Key Type(Put/Delete)。Value部分沒有這麼復雜的結構,就是純粹的二進制數據了。

HLogFile

Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

上圖中示意了HLog文件的結構,其實HLog文件就是一個普通的Hadoop Sequence File,Sequence File 的Key是HLogKey對象,HLogKey中記錄了寫入數據的歸屬信息,除了table和region名字外,同時還包括sequence number和timestamp,timestamp是“寫入時間”,sequence number的起始值為0,或者是最近一次存入文件系統中sequence number。

HLog Sequece File的Value是HBase的KeyValue對象,即對應HFile中的KeyValue,可參見上文描述。

三、Hbase安裝

1、Hbase版本選擇

挑選一個Apache Download Mirror(Apache下載鏡像),下載一個Hbase的穩定發布版本,解壓如下:

tar zxvf hbase-1.0.3-bin.tar.gz -C /home/hadoop/

設置Hbase環境變量

# hbase envexport HBASE_HOME=/home/hadoop/hbaseexport PATH=$PATH:$HBASE_HOME/bin

#獲取Hbase選項列表及版本信息

hbase version

Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

2、測試驅動

#啟動一個使用本地文件系統/tmp目錄作為持久化存儲的Hbase臨時實例

start-hbase.shstarting master, logging to /home/hadoop/hbase/logs/hbase-root-master-linux-node1.out

Hadoop集群中Hbase的介紹、安裝、使用Hadoop集群中Hbase的介紹、安裝、使用

#新建一個名為test的表,使其只包含一個名為data的列,表和列族屬性都為默認值

hbase(main):001:0> create 'test','data'0 row(s) in 0.4150 seconds

#通過鍵入help查看幫助命令,運行list查看新建的表是否存在

hbase(main):003:0> listTABLEtest1 row(s) in 0.0230 seconds

#在列族data中二個不同的行和列上插入數據,然後列出表內容

hbase(main):004:0> put 'test','row1','data:1','values1'0 row(s) in 0.1280 secondshbase(main):005:0> put 'test','row2','data:2','values2'0 row(s) in 0.0090 secondshbase(main):006:0> scan 'test'ROW COLUMN+CELLrow1 column=data:1, timestamp=1473585137461, value=values1row2 column=data:2, timestamp=1473585158072, value=values22 row(s) in 0.0200 seconds

#刪除剛創建的表test,需要先設為禁用,然後刪除,不設置會報錯:

ERROR: Table test is enabled. Disable it first.hbase(main):009:0> disable 'test'0 row(s) in 1.1800 secondshbase(main):010:0> drop 'test'0 row(s) in 0.1570 seconds

本文原創地址:http://www.linuxprobe.com/hadoop-hbase-deploy-use.html ‎


http://xxxxxx/Linuxjc/1184697.html TechArticle

Copyright © Linux教程網 All Rights Reserved