慕课网《HBase 存储原理剖析》学习总结

慕课网《HBase 存储原理剖析》学习总结

• 时间：2018年06月11日星期一
• 说明：本文部分内容均来自慕课网。@慕课网：https://www.imooc.com
• 教学源码：无
• 学习源码：https://github.com/zccodere/study-imooc

第一章：课程介绍 1-1 课程介绍

课程目标

• HBase的存储模式
• HBase数据表解析
• HBase存储设计
• HBase数据存取解析

第二章：存储模式 2-1 存储模式

行式存储与列式存储介绍

行式存储与列式存储特点

• 行式存储
  • 维护大量的索引
  • 存储成本高
  • 不能够做到线性扩展
  • 随机读取效率非常高
  • 对事务的支持非常好
• 列式存储
  • 根据同一列数据的相似性原理，利于对数据进行压缩
  • 存储成本低
  • 由于每列数据分开存储，可以并行查找多列的数据

行式存储与列式存储场景

• 行式存储
  • 表与表之间有关联关系，数据量不大（小于千万量级）
  • 强事务关联的特性
• 列式存储
  • 对于单列或者相对比较少的列获取频率较高
  • 针对多列查询，使用并行处理的查询
  • 利于数据压缩和线性扩展的存储
  • 事务使用率不高，读取的场景频率不高，同时数据量非常大
  • 随机更新某一行的频率不高

列簇式存储：概念

• 列簇（多个数据列的组合），HBase表中的每个列都归属于某个列簇
• 列簇是表的schame的一部分，但是列并不是
• 创建表时，需要给出列簇的名称，不需要给出列的名称
• 列名都是以列簇作为前缀
• 访问控制磁盘和内存的使用统计都是在列簇层面进行
• HBase准确的说是列簇数据库，而不是列数据库
• 列簇数据库将列组织为列簇，每列都必须是某个列簇的一部分
• 访问数据的单元也是列

HBase表的组成

• Table = RowKey + Family + Column + Timestamp + Value
• RowKey ：HBase中用RowKey去标识唯一的一行数据，一行数据中包含多个列簇
• Family：多个列簇。每一列簇包含多个列
• Column：列标识符。每一列数据包含了版本和值
• Timestamp：版本。可以理解为时间戳，也可以理解为一个数据的版本
• Value：数据值。数据本身的值

HBase数据存储的模式

• （Table, RowKey, Family, Column, Timestamp）-> Value
• 其实就是HBase表反过来看的样子
• 【重点】更抽象一点，其实HBase表数据就是Key-Value结构的

图解

列簇式存储：列数据属性

HBase重要特性：列数据版本的概念，默认一列数据可以保存三个版本

列簇式存储：数据存储原型

2-2 存储示例

示例表定义

示例表数据

第三章 表的解析 3-1 建表语句

示例表语句定义

压缩算法

算法	压缩率	编码速度	解码速度
GZip	13.4%	21MB/s	118MB/s
LZO	20.5%	135MB/s	410MB/s
Snappy	22.2%	172MB/s	409MB/s

3-2 存储目录

在hbase-site.xml文件中配置或查看存储目录的节点

<property>
    <name>hbase.rootdir</name>
    <value>/home/hbase_data</value>
</property>

进入到HBase系统目录

• .tmp
  • 当对表做创建或删除操作时，将表移动到tmp目录下，然后再进行处理
  • 临时交换的表，临时存储一些当前需要修改的数据结构
• WALs
  • 预写日志，被HLog实例管理的WAL文件
  • 可以理解为存储HBase的日志，HBase分布式数据库系统的操作日志
• archive
  • 存储表的归档和快照
  • HBase在做分割或合并操作完成后，会将Hfile文件移动到该目录中，然后将之前的Hfile删除掉
  • 是由Master上的定时任务定期去处理，这个目录的作用可以简单理解为去管理HBase的数据
• corrupt
  • 用于存放损坏的日志文件，一般是空的
• data
  • HBase存储数据的核心目录
  • 系统表和用户表数据都存储在这里
• hbase.id
  • HBase启动运行后，是集群中的唯一ID，用来标识HBase进程用的
• hbase.version
  • 表明了集群的文件格式版本信息
  • 其实就是表明了Hfile的版本信息
• oldWALs
  • 备份WALs中的日志文件

data目录解析

HBase元信息表

Row Key	Value
table、key、time	region server

第四章：存储设计 4-1 存储思想

HBase中的LSM存储思想

• 什么是LSM树

  LSM日志结构合并树，有两个或两个以上存储数据的结构组成的，每一个数据结构各自对应自己的存储介质

• LSM树的简易模型描述

  

• LSM思想在HBase中的思想

  

4-2 存储模块

HBase数据存储模块简介

RegionServer = Region + Store + MemStore + StoreFile + HFile + HLog

HBase Region解析

• 什么是Region

  每一个Region都会存储于确定的RegionServer上
  

• Region的特点
  • 是HBase中分布式存储和负载均衡的最小单元
  • Region的数据不能低于集群中节点的数量
  • RegionServer对Region进行拆分
  • 尽量让Row key分散到不同的Region

HBase HFile解析

• Store + MemStore + StoreFile
  • Store与列簇是一对一的关系
  • MemStore是一个内存数据结构，保存修改的数据
  • StoreFile是由内存数据写入到文件后形成的

    

• HFile 文件
  • 是HBase存储数据文件的最基本的组织形式
  • 底层是Hadoop的二进制格式文件
  • 是用户数据的实际载体，存储Key-Value的数据
  • Scanned block section：会被读取，主要是存储用户数据
  • Nonscanned block section：不会被读取，主要包含元数据块
  • Load-on-open section：RegionServer启动时加载，主要是HFile的元数据
  • Trailer：HFile的基本信息，HFile元数据的一部分

    

• Data Block
  • HBase中数据的最基本的存储单元
  • 是实际存储用户数据的数据结构
  • 包含很多Key-Value

    

HBase WAL解析

• 简介介绍WAL（预写日志）
  • WAL最重要的功能就是灾难恢复
  • WAL解决了什么问题：HA（高可用）问题
  • 怎么解决：远程备份

    

• HLog
  • WAL是通过HLog模块实现的
  • HLog是什么：HLog是实现WAL的类，一个RegionServer对应一个HLog实例

    

• HLogKey
  • WAL使用Hadoop的序列化文件将记录存储为Key-Value的数据集，Key就是HLog的Key

    

• HLogSyncer
  • 是日志同步刷写类

    

• HLogRoller
  • 特点的时间去滚动日志，形成新的日志，避免单个日志文件过大
  • 根据HLog的序列化的number对比已经持久化的HFile的序列号，删除旧的，不需要的日志

    

HBase Compaction解析

• 什么是Compaction
  • Compaction会从一个Region的Store中选择一些HFile文件进行合并
• 为什么要Compaction
  • 随着系统不停的刷写，会导致存储目录中有过多的数据文件
• Compaction分类
  • MinorCompaction：小合并
  • MajorCompaction：大合并

    

• Compaction触发时机
  • MemStore 内存数据写入到硬盘上

  • 

4-3 存取解析

HBase数据存储流程解析

• HBase Client
  • 请求Zookeeper，确定 MetaTable所在RegionServer的地址
  • 在根据RowKey找到归属的RegionServer
  • HBase Client Put（Delete）数据，提交到RegionServer

    

• HBase Server
  • Region Server 去获取行锁，Region更新共享锁
  • 写HLog，WAL
  • 写缓存，MemStore
  • 将日志同步到HDFS
  • 写满缓存后，启动异步线程将数据写入到硬盘上
  • 可能触发Compaction或拆分

    

HBase数据获取流程解析

• HBase Client
  • 请求Zookeeper，确定 MetaTable所在RegionServer的地址
  • 去对应的RegionServer地址拿到对应数据

    

• HBase Server
  • Region Server 构建RegionScanner准备进行检索
  • 有多少个列簇就构建多少个StoreScanner，用于对确定的列簇数据检索

    

4-4 数据存取

HBase数据存取api介绍

新增api
void put(Put put)throws IOException

Put构造方法
Put(byte[] row)
Put(byte[] row,long ts)

填充值
Put add(byte[] family,byte[] qualifier,byte[] value)
Put add(byte[] family,byte[] qualifier,long timestamp,byte[] value)
Put add(KeyValue kv)throws IOException

原子检查写
boolean checkAndPut(add(byte[] row,byte[] family,byte[] qualifier,byte[] value,put))

删除api
void delete(Delete delete)throws IOException

构造方法
Delete(byte[] row)

填充值
Delete deleteFamily(byte[] family)
Delete deleteColumns(byte[] family,byte[] qualifier)
Delete deleteColumns(byte[] family,byte[] qualifier,long timestamp)

原子检查删除
boolean checkAndDelete(byte[] row,byte[] family,byte[] qualifier,byte[] value,Delete delete)throws IOException

获取api
Result get(Get get)throws IOException

构造方法
Get(byte[] row)

填充值
Get addFamily(byte[] family)
Get addColumn(byte[] family,byte[] qualifier)
Get setTimeRange(long minStamp,long maxStamp)throws IOException
Get setTimeStamp(long timestamp)
Get setMaxVersions()
Get setMaxVersions(int maxVersions)throws IOException

第五章：案例演示 5-1 案列演示

创建名为hbase-demo的maven工程pom如下

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.myimooc</groupId>
    <artifactId>hbase-demo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.0.1.RELEASE</version>
    </parent>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
        <java.version>1.8</java.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter</artifactId>
        </dependency>
        <dependency>
            <groupId>org.yaml</groupId>
            <artifactId>snakeyaml</artifactId>
            <version>1.10</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-configuration-processor</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.7</version>
            <scope>system</scope>
            <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
        </dependency>
        <dependency>
            <groupId>com.spring4all</groupId>
            <artifactId>spring-boot-starter-hbase</artifactId>
            <version>1.0.0.RELEASE</version>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.45</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

</project>

1.编写User类

package com.myimooc.hbase.demo.dto;

/**
 * <br>
 * 标题: 用户表<br>
 * 描述: 用户表<br>
 *
 * @author zc
 * @date 2018/06/21
 */
public class User {

    /**
     * 行键
     */
    private String row;
    /**
     * 基础信息
     */
    private BaseInfo baseInfo;
    /**
     * 其他信息
     */
    private OtherInfo otherInfo;

    public User() {
    }

    public User(String row, BaseInfo baseInfo, OtherInfo otherInfo) {
        this.row = row;
        this.baseInfo = baseInfo;
        this.otherInfo = otherInfo;
    }

    @Override
    public String toString() {
        return "User{" +
                "row='" + row + '\'' +
                ", baseInfo=" + baseInfo +
                ", otherInfo=" + otherInfo +
                '}';
    }

    public String getRow() {
        return row;
    }

    public void setRow(String row) {
        this.row = row;
    }

    public BaseInfo getBaseInfo() {
        return baseInfo;
    }

    public void setBaseInfo(BaseInfo baseInfo) {
        this.baseInfo = baseInfo;
    }

    public OtherInfo getOtherInfo() {
        return otherInfo;
    }

    public void setOtherInfo(OtherInfo otherInfo) {
        this.otherInfo = otherInfo;
    }

    /**
     * 使用内部类表示 b 列簇 基础信息
     */
    public static class BaseInfo {
        /**
         * 名称
         */
        private String name;
        /**
         * 年龄
         */
        private Integer age;
        /**
         * 性别
         */
        private String sex;

        public BaseInfo() {
        }

        public BaseInfo(String name, Integer age, String sex) {
            this.name = name;
            this.age = age;
            this.sex = sex;
        }

        public String getName() {
            return name;
        }

        public void setName(String name) {
            this.name = name;
        }

        public Integer getAge() {
            return age;
        }

        public void setAge(Integer age) {
            this.age = age;
        }

        public String getSex() {
            return sex;
        }

        public void setSex(String sex) {
            this.sex = sex;
        }
    }

    /**
     * 使用内部类表示 o 列簇 其他信息
     */
    public static class OtherInfo {
        /**
         * 电话
         */
        private String phone;
        /**
         * 地址
         */
        private String address;

        public OtherInfo() {
        }

        public OtherInfo(String phone, String address) {
            this.phone = phone;
            this.address = address;
        }

        @Override
        public String toString() {
            return "OtherInfo{" +
                    "phone='" + phone + '\'' +
                    ", address='" + address + '\'' +
                    '}';
        }

        public String getPhone() {
            return phone;
        }

        public void setPhone(String phone) {
            this.phone = phone;
        }

        public String getAddress() {
            return address;
        }

        public void setAddress(String address) {
            this.address = address;
        }
    }

}

2.编写UserRowMapper类

package com.myimooc.hbase.demo.mapper;

import com.myimooc.hbase.demo.dto.User;
import com.spring4all.spring.boot.starter.hbase.api.RowMapper;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.util.Bytes;

/**
 * <br>
 * 标题: 用户表ORM<br>
 * 描述: 用户表ORM<br>
 *
 * @author zc
 * @date 2018/06/21
 */
public class UserRowMapper implements RowMapper<User> {

    private static byte[] FAMILY_B = "b".getBytes();
    private static byte[] FAMILY_B_NAME = "name".getBytes();
    private static byte[] FAMILY_B_AGE = "age".getBytes();
    private static byte[] FAMILY_B_SEX = "sex".getBytes();

    private static byte[] FAMILY_O = "o".getBytes();
    private static byte[] FAMILY_O_PHONE = "phone".getBytes();
    private static byte[] FAMILY_ADDRESS = "address".getBytes();

    @Override
    public User mapRow(Result result, int i) throws Exception {
        User.BaseInfo baseInfo = new User.BaseInfo(
            Bytes.toString(result.getValue(FAMILY_B, FAMILY_B_NAME)),
            Bytes.toInt(result.getValue(FAMILY_B, FAMILY_B_AGE)),
            Bytes.toString(result.getValue(FAMILY_B, FAMILY_B_SEX)));
        User.OtherInfo otherInfo = new User.OtherInfo(
            Bytes.toString(result.getValue(FAMILY_O, FAMILY_O_PHONE)),
            Bytes.toString(result.getValue(FAMILY_O, FAMILY_ADDRESS)));
        return new User(Bytes.toString(result.getRow()),baseInfo,otherInfo);
    }
}

3.编写HbaseService类

package com.myimooc.hbase.demo.service;

import org.apache.hadoop.hbase.client.Mutation;

import java.util.List;

/**
 * <br>
 * 标题: HBase服务<br>
 * 描述: HBase服务<br>
 *
 * @author zc
 * @date 2018/06/21
 */
public interface HbaseService<T> {

    /**
     * 查询指定行键的表数据
     * @param tableName 表名
     * @param row 行键
     * @return 数据
     */
    T findByRow(String tableName,String row);

    /**
     * 查询指定行键之间的表数据
     * @param tableName 表名
     * @param startRow 开始行键
     * @param endRow 结束行键
     * @return 数据集合
     */
    List<T> findByStartEndRow(String tableName,String startRow,String endRow);

    /**
     * 保存或修改数据
     * @param tableName 表名
     * @param datas 数据集合
     * @return 数据集合
     */
    List<Mutation> saveOrUpdate(String tableName,List<Mutation> datas);

}

4.编写UserHbaseServiceImpl类

package com.myimooc.hbase.demo.service.impl;

import com.myimooc.hbase.demo.dto.User;
import com.myimooc.hbase.demo.mapper.UserRowMapper;
import com.myimooc.hbase.demo.service.HbaseService;
import com.spring4all.spring.boot.starter.hbase.api.HbaseTemplate;
import org.apache.hadoop.hbase.client.Mutation;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.util.Bytes;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.List;

/**
 * <br>
 * 标题: 用户服务<br>
 * 描述: 用户服务<br>
 *
 * @author zc
 * @date 2018/06/22
 */
@Service
public class UserHbaseServiceImpl implements HbaseService<User> {

    @Autowired
    private HbaseTemplate hbaseTemplate;

    @Override
    public User findByRow(String tableName, String row) {
        return hbaseTemplate.get(tableName, row, new UserRowMapper());
    }

    @Override
    public List<User> findByStartEndRow(String tableName, String startRow, String endRow) {
        Scan scan = new Scan(Bytes.toBytes(startRow), Bytes.toBytes(endRow));
        return hbaseTemplate.find(tableName, scan, new UserRowMapper());
    }

    @Override
    public List<Mutation> saveOrUpdate(String tableName, List<Mutation> datas) {
        hbaseTemplate.saveOrUpdates(tableName, datas);
        return datas;
    }
}

5.编写application.properties

# Zookeeper 地址
spring.data.hbase.quorum=192.168.0.104:2181
# HBase 存储路径
spring.data.hbase.rootDir=hdfs://zccoder.com:9000/hbase/
# HBase 在 Zookeeper上的根节点名称
spring.data.hbase.nodeParent=/hbase

6.编写Application类

package com.myimooc.hbase.demo;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class Application {

    public static void main(String[] args) {
        SpringApplication.run(Application.class,args);
    }

}

7.编写UserHbaseServiceImplTest类

package com.myimooc.hbase.demo.service;

import com.alibaba.fastjson.JSON;
import com.myimooc.hbase.demo.Application;
import com.myimooc.hbase.demo.dto.User;
import org.apache.hadoop.hbase.client.Delete;
import org.apache.hadoop.hbase.client.Mutation;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.util.Bytes;
import org.junit.Before;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.junit4.SpringRunner;

import java.util.ArrayList;
import java.util.List;

/**
 * <br>
 * 标题: 单元测试类<br>
 * 描述: 单元测试类<br>
 *
 * @author zc
 * @date 2018/06/22
 */
@RunWith(SpringRunner.class)
@SpringBootTest(webEnvironment = SpringBootTest.WebEnvironment.NONE,classes = Application.class)
public class UserHbaseServiceImplTest {

    @Autowired
    private HbaseService<User> service;

    /**
     * 数据表名称
     */
    private String tableName;

    @Before
    public void init(){
        tableName = "demo:user";
    }

    @Test
    public void testFindByRow(){
        System.out.println(JSON.toJSONString(service.findByRow(tableName,"root")));
    }

    @Test
    public void testFindByStartEndRow(){
        System.out.println(JSON.toJSONString(service.findByStartEndRow(tableName,"r","z")));
    }

    @Test
    public void testSaveOrUpdate(){
        List<Mutation> datas = new ArrayList<>();
        Put put= new Put(Bytes.toBytes("root"));
        put.addColumn(Bytes.toBytes("b"),Bytes.toBytes("name"),Bytes.toBytes("imooc"));
        put.addColumn(Bytes.toBytes("b"),Bytes.toBytes("age"),Bytes.toBytes("18"));
        put.addColumn(Bytes.toBytes("b"),Bytes.toBytes("sex"),Bytes.toBytes("m"));
        put.addColumn(Bytes.toBytes("o"),Bytes.toBytes("phone"),Bytes.toBytes("123456789"));
        put.addColumn(Bytes.toBytes("o"),Bytes.toBytes("address"),Bytes.toBytes("北京市朝阳区"));
        datas.add(put);

//        Delete delete = new Delete(Bytes.toBytes("root"));
//        datas.add(delete);

        List<Mutation> results = service.saveOrUpdate(tableName,datas);
        System.out.println(results);
    }
}