• Hbase(一)了解Hbase与Phoenix


    前言

      HBase是一个分布式的、面向列的开源数据库,该技术来源于 Fay Chang 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(File System)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HBase基于列的而不是基于行的模式。

    一、Hadoop生太圈

      通过Hadoop生态圈,可以看到HBase的身影,可见HBase在Hadoop的生态圈是扮演这一个重要的角色那就是  实时、分布式、高维数据 的数据存储;

    二、HBase简介

      – HBase – Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩、 实时读写的分布式数据库 

      – 利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理 HBase中的海量数据,利用Zookeeper作为其分布式协同服务

      – 主要用来存储非结构化和半结构化的松散数据(列存NoSQL数据库)

    三、HBase数据模型

      以关系型数据的思维下会感觉,上面的表格是一个5列4行的数据表格,但是在HBase中这种理解是错误的,其实在HBase中上面的表格只是一行数据;

      Row Key:

        – 决定一行数据的唯一标识

        – RowKey是按照字典顺序排序的。

        – Row key最多只能存储64k的字节数据。

      Column Family列族(CF1、CF2、CF3) & qualifier列:

        – HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema) 定义的一部分预先给出。如create ‘test’, ‘course’;

        – 列名以列族作为前缀,每个“列族”都可以有多个列成员(column,每个列族中可以存放几千~上千万个列);如 CF1:q1, CF2:qw,

           新的列族成员(列)可以随后按需、动态加入,Family下面可以有多个Qualifier,所以可以简单的理解为,HBase中的列是二级列,

         也就是说Family是第一级列,Qualifier是第二级列。两个是父子关系。

        – 权限控制、存储以及调优都是在列族层面进行的;

        – HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。

        – 目前为止HBase的列族能能够很好处理最多不超过3个列族。

      Timestamp时间戳:

        – 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一的时间 戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,

         最新的数据版本排在最前面。

        – 时间戳的类型是64位整型。

        – 时间戳可以由HBase(在数据写入时自动)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。

      Cell单元格:

        – 由行和列的坐标交叉决定;

        – 单元格是有版本的(由时间戳来作为版本);

        – 单元格的内容是未解析的字节数组(Byte[]),cell中的数据是没有类型的,全部是字节码形式存贮。

         • 由{row key,column(=<family> +<qualifier>),version}唯一确定的单元。

     

    例:下图为 HBase 中一张表

    • RowKey 为行的唯一标识,所有行按照 RowKey 的字典序进行排序;
    • 该表具有两个列族,分别是 personal 和 office;
    • 其中列族 personal 拥有 name、city、phone 三个列,列族 office 拥有 tel、addres 两个列。

    Hbase 的表具有以下特点:

      1、容量大:一个表可以有数十亿行,上百万列;

      2、面向列:数据是按照列存储,每一列都单独存放,数据即索引,在查询时可以只访问指定列的数据,有效地降低了系统的 I/O 负担;

      3、稀疏性:空 (null) 列并不占用存储空间,表可以设计的非常稀疏 ;

      4、数据多版本:每个单元中的数据可以有多个版本,按照时间戳排序,新的数据在最上面;

      5、存储类型:所有数据的底层存储格式都是字节数组 (byte[])。

    四、HBase体系架构

      

        Client

         • 包含访问HBase的接口并维护cache来加快对HBase的访问

        Zookeeper

         • 保证任何时候,集群中只有一个master

         • 存贮所有Region的寻址入口。

         • 实时监控Region server的上线和下线信息。并实时通知Master

         • 存储HBase的schema和table元数据

        Master

         • 为Region server分配region

         • 负责Region server的负载均衡

         • 发现失效的Region server并重新分配其上的region

         • 管理用户对table的增删改操作

        RegionServer

         • Region server维护region,处理对这些region的IO请求

         • Region server负责切分在运行过程中变得过大的region 

     

         HLog(WAL log):

          – HLog文件就是一个普通的Hadoop Sequence File,Sequence File 的Key是 HLogKey对象,HLogKey中记录了写入数据的归属信息,

             除了table和 region名字外,同时还包括sequence number和timestamp,timestamp是” 写入时间”,sequence number的起始值为0,

           或者是最近一次存入文件系 统中sequence number。

          – HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的 KeyValue

        Region

          – HBase自动把表水平划分成多个区域(region),每个region会保存一个表 里面某段连续的数据;每个表一开始只有一个region,随着数据不断插 入表,

           region不断增大,当增大到一个阀值的时候,region就会等分会 两个新的region(裂变);

          – 当table中的行不断增多,就会有越来越多的region。这样一张完整的表 被保存在多个Regionserver上。

        Memstore 与 storefile

          – 一个region由多个store组成,一个store对应一个CF(列族)

          – store包括位于内存中的memstore和位于磁盘的storefile写操作先写入 memstore,当memstore中的数据达到某个阈值,

           hregionserver会启动 flashcache进程写入storefile,每次写入形成单独的一个storefile

          – 当storefile文件的数量增长到一定阈值后,系统会进行合并(minor、 major compaction),在合并过程中会进行版本合并和删除工作 (majar),

           形成更大的storefile。

          – 当一个region所有storefile的大小和超过一定阈值后,会把当前的region 分割为两个,并由hmaster分配到相应的regionserver服务器,实现负载均衡。

          – 客户端检索数据,先在memstore找,找不到再找storefile

          – HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表 示不同的HRegion可以分布在不同的HRegion server上。

          – HRegion由一个或者多个Store组成,每个store保存一个columns family。

          – 每个Strore又由一个memStore和0至多个StoreFile组成。

           如图:StoreFile 以HFile格式保存在HDFS上。

        

                 

    五、Phoenix介绍

      Phoenix 是 HBase 的开源 SQL 中间层,它允许你使用标准 JDBC 的方式来操作 HBase 上的数据。在 Phoenix 之前,如果你要访问 HBase,只能调用它的 Java API,但相比于使用一行 SQL 就能实现数据查询,HBase 的 API 还是过于复杂。Phoenix 的理念是 we put sql SQL back in NOSQL,即你可以使用标准的 SQL 就能完成对 HBase 上数据的操作。同时这也意味着你可以通过集成 Spring Data JPA 或 Mybatis 等常用的持久层框架来操作 HBase。

    其次 Phoenix 的性能表现也非常优异,Phoenix 查询引擎会将 SQL 查询转换为一个或多个 HBase Scan,通过并行执行来生成标准的 JDBC 结果集。它通过直接使用 HBase API 以及协处理器和自定义过滤器,可以为小型数据查询提供毫秒级的性能,为千万行数据的查询提供秒级的性能。同时 Phoenix 还拥有二级索引等 HBase 不具备的特性,因为以上的优点,所以 Phoenix 成为了 HBase 最优秀的 SQL 中间层。

      


     -END-

  • 相关阅读:
    【转载】 Deepmind星际争霸2平台使用第一轮-完成采矿
    【转载】 星际争霸2的AI环境搭建
    【转载】 强化学习(八)价值函数的近似表示与Deep Q-Learning
    【转载】 强化学习在美团“猜你喜欢”的实践
    【转载】 强化学习(七)时序差分离线控制算法Q-Learning
    【转载】 强化学习(六)时序差分在线控制算法SARSA
    【转载】 强化学习(五)用时序差分法(TD)求解
    【转载】 强化学习(四)用蒙特卡罗法(MC)求解
    ubuntu 系统网络突然"网络已禁用"
    健康日志之口腔粘膜----7-13
  • 原文地址:https://www.cnblogs.com/jstarseven/p/11425071.html
Copyright © 2020-2023  润新知