《Chapter4-厦门大学-林子雨-大数据技术原理与应用-第四章-分布式数据库HBase41精编版》由会员分享，可在线阅读，更多相关《Chapter4-厦门大学-林子雨-大数据技术原理与应用-第四章-分布式数据库HBase41精编版（41页珍藏版）》请在金锄头文库上搜索。
1、,2015,E-mail: 主页：,第四章 分布式数据库HBase （PPT版本号：2015年6月第1.0版）,大数据技术原理与应用,温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字,提纲,4.1概述 4.2HBase访问接口 4.3HBase数据模型 4.4HBase的实现原理 4.5HBase运行机制 4.6HBase编程实践,欢迎访问大数据技术原理与应用教材官方网站：,本PPT是如下教材的配套讲义： 21世纪高等教育计算机规划教材 大数据技术原理与应用 概念、存储、处理、分析与应用 （2015年6月第1版） 厦门大学 林子雨 编著，人民邮电出版社 ISBN:978-7-1
2、15-39287-9,4.1概述,4.1.1从BigTable说起 4.1.2HBase简介 4.1.3HBase与传统关系数据库的对比分析,4.1.1从BigTable说起,BigTable是一个分布式存储系统 利用谷歌提出的MapReduce分布式并行计算模型来处理海量数据 使用谷歌分布式文件系统GFS作为底层数据存储 采用Chubby提供协同服务管理 可以扩展到PB级别的数据和上千台机器，具备广泛应用性、可扩展性、高性能和高可用性等特点 谷歌的许多项目都存储在BigTable中，包括搜索、地图、财经、打印、社交网站Orkut、视频共享网站YouTube和博客网站Blogger等,4.1.
3、2HBase简介,HBase是一个高可靠、高性能、面向列、可伸缩的分布式数据库，是谷歌BigTable的开源实现，主要用来存储非结构化和半结构化的松散数据。HBase的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表,图4-1 Hadoop生态系统中HBase与其他部分的关系,4.1.2HBase简介,表4-1 HBase和BigTable的底层技术对应关系,4.1.3HBase与传统关系数据库的对比分析,HBase与传统的关系数据库的区别主要体现在以下几个方面： （1）数据类型：关系数据库采用关系模型，具有丰富的数据类型和存储
4、方式，HBase则采用了更加简单的数据模型，它把数据存储为未经解释的字符串 （2）数据操作：关系数据库中包含了丰富的操作，其中会涉及复杂的多表连接。HBase操作则不存在复杂的表与表之间的关系，只有简单的插入、查询、删除、清空等，因为HBase在设计上就避免了复杂的表和表之间的关系 （3）存储模式：关系数据库是基于行模式存储的。HBase是基于列存储的，每个列族都由几个文件保存，不同列族的文件是分离的,4.1.3HBase与传统关系数据库的对比分析,HBase与传统的关系数据库的区别主要体现在以下几个方面： （4）数据索引：关系数据库通常可以针对不同列构建复杂的多个索引，以提高数据访问性能。H
5、Base只有一个索引行键，通过巧妙的设计，HBase中的所有访问方法，或者通过行键访问，或者通过行键扫描，从而使得整个系统不会慢下来 （5）数据维护：在关系数据库中，更新操作会用最新的当前值去替换记录中原来的旧值，旧值被覆盖后就不会存在。而在HBase中执行更新操作时，并不会删除数据旧的版本，而是生成一个新的版本，旧有的版本仍然保留 （6）可伸缩性：关系数据库很难实现横向扩展，纵向扩展的空间也比较有限。相反，HBase和BigTable这些分布式数据库就是为了实现灵活的水平扩展而开发的，能够轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩,4.2HBase访问接口,表4-2 HBase访
6、问接口,4.3HBase数据模型,4.3.1数据模型概述 4.3.2数据模型相关概念 4.3.3数据坐标 4.3.4概念视图 4.3.5物理视图 4.3.6面向列的存储,4.3.1数据模型概述,HBase是一个稀疏、多维度、排序的映射表，这张表的索引是行键、列族、列限定符和时间戳 每个值是一个未经解释的字符串，没有数据类型 用户在表中存储数据，每一行都有一个可排序的行键和任意多的列 表在水平方向由一个或者多个列族组成，一个列族中可以包含任意多个列，同一个列族里面的数据存储在一起 列族支持动态扩展，可以很轻松地添加一个列族或列，无需预先定义列的数量以及类型，所有列均以字符串形式存储，用户需要自行
7、进行数据类型转换 HBase中执行更新操作时，并不会删除数据旧的版本，而是生成一个新的版本，旧有的版本仍然保留,4.3.2数据模型相关概念,表：HBase采用表来组织数据，表由行和列组成，列划分为若干个列族 行：每个HBase表都由若干行组成，每个行由行键（row key）来标识。访问表中的行只有三种方式：（1）通过单个行键访问；（2）通过一个行键的区间来访问；（3）全表扫描 列族：一个HBase表被分组成许多“列族”的集合，它是基本的访问控制单元 列限定符：列族里的数据通过列限定符（或列）来定位 单元格：在HBase表中，通过行、列族和列限定符确定一个“单元格”（cell），单元格中存储的数
8、据没有数据类型，总被视为字节数组byte 时间戳：每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引,4.3.2数据模型相关概念,图4-2 HBase数据模型的一个实例,4.3.3数据坐标,HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格，因此，可以视为一个“四维坐标”，即行键, 列族, 列限定符, 时间戳,4.3.4概念视图,表4-4 HBase数据的概念视图,4.3.5物理视图,表4-5 HBase数据的物理视图 列族contents,列族anchor,4.3.6面向列的存储,图4-3 行式数据库和列式数据库示意图,4.3.6面向列的存储,图4-4 行式存储
9、结构和列式存储结构,4.4HBase的实现原理,4.4.1HBase功能组件 4.4.2表和Region 4.4.3Region的定位,4.4.1HBase功能组件,HBase的实现包括三个主要的功能组件： （1）库函数：链接到每个客户端 （2）一个Master主服务器 （3）许多个Region服务器 Region服务器负责存储和维护分配给自己的Region，处理来自客户端的读写请求 主服务器Master负责管理和维护HBase表的分区信息 客户端并不是直接从Master主服务器上读取数据，而是在获得Region的存储位置信息后，直接从Region服务器上读取数据,4.4.2表和Region,
10、图4-5一个HBase表被划分成多个Region,图4-6 一个Region会分裂成多个新的Region,4.4.2表和Region,图4-7 不同的Region可以分布在不同的Region服务器上,4.4.3Region的定位,图4-8 HBase的三层结构,4.4.3Region的定位,表4-6 HBase的三层结构中各层次的名称和作用,4.5HBase运行机制,4.5.1HBase系统架构 4.5.2Region服务器工作原理 4.5.3Store工作原理 4.5.4HLog工作原理,4.5.1HBase系统架构,图4-9 HBase的系统架构,4.5.1HBase系统架构,1. 客户端
11、 客户端包含访问HBase的接口，同时在缓存中维护着已经访问过的Region位置信息，用来加快后续数据访问过程 2. Zookeeper服务器 Zookeeper可以帮助选举出一个Master作为集群的总管，并保证在任何时刻总有唯一一个Master在运行，这就避免了Master的“单点失效”问题,3. Master 主服务器Master主要负责表和Region的管理工作： 管理用户对表的增加、删除、修改、查询等操作 实现不同Region服务器之间的负载均衡 在Region分裂或合并后，负责重新调整Region的分布 对发生故障失效的Region服务器上的Region进行迁移 4. Region
12、服务器 Region服务器是HBase中最核心的模块，负责维护分配给自己的Region，并响应用户的读写请求,4.5.2Region服务器工作原理,图4-10 Region服务器向HDFS文件系统中读写数据,1. 用户读写数据过程,2. 缓存的刷新,3. StoreFile的合并,4.5.3Store工作原理,图4-11 StoreFile的合并和分裂过程,4.5.4HLog工作原理,HBase系统为每个Region服务器配置了一个HLog文件，它是一种预写式日志（Write Ahead Log） Zookeeper会实时监测每个Region服务器的状态，当某个Region服务器发生故障时，Z
13、ookeeper会通知Master Master首先会处理该故障Region服务器上面遗留的HLog文件，这个遗留的HLog文件中包含了来自多个Region对象的日志记录 系统会根据每条日志记录所属的Region对象对HLog数据进行拆分，分别放到相应Region对象的目录下，然后，再将失效的Region重新分配到可用的Region服务器中，并把与该Region对象相关的HLog日志记录也发送给相应的Region服务器 Region服务器领取到分配给自己的Region对象以及与之相关的HLog日志记录以后，会重新做一遍日志记录中的各种操作，把日志记录中的数据写入到MemStore缓存中，然后，
14、刷新到磁盘的StoreFile文件中，完成数据恢复 共用日志优点：提高对表的写操作性能；缺点：恢复时需要分拆日志,4.6 HBase编程实践,本节主要介绍Linux中关于HBase数据库的常用Shell命令，以及数据处理常用的Java API 4.6.1HBase常用Shell命令 4.6.2HBase常用Java API及应用实例,4.6.1HBase常用Shell命令,create：创建表 list：列出HBase中所有的表信息,4.6.1HBase常用Shell命令,put：向表、行、列指定的单元格添加数据 scan：浏览表的相关信息,4.6.1HBase常用Shell命令,get：通过
15、表名、行、列、时间戳、时间范围和版本号来获得相应单元格的值,4.6.1HBase常用Shell命令,enable/disable：使表有效或无效 drop：删除表,4.6.2HBase常用Java API及应用实例,Hbase常用Java API （1）org.apache.hadoop.hbase.client.HBaseAdmin 该类用于管理HBase数据库的表信息，包括创建或删除表、列出表项、使表有效或无效、添加或删除表的列族成员、检查HBase的运行状态等 （2）org.apache.hadoop.hbase.HBaseConfiguration 该类用于管理HBase的配置信息 （
16、3）org.apache.hadoop.hbase.client.HTable 用于与HBase进行通信。如果多个线程对一个HTable对象进行put或者delete操作的话，则写缓冲器可能会崩溃,4.6.2HBase常用Java API及应用实例,（4）org.apache.hadoop.hbase.HTableDescriptor HTableDescriptor包含了HBase中表格的详细信息，例如表中的列族、该表的类型（-ROOT-，.META.）、该表是否只读、MemStore的最大空间、Region什么时候应该分裂等等 （5）org.apache.hadoop.hbase.HColumnDescriptor HColumnDescriptor包含了列族的详细信息，例如列族的版本号、压缩设置等。HColumnDescriptor通常在添加列族或者创建表的时候使用。列族一旦建立就不能被修改，只能通过删除列族，然后再创建新的列族来间接的修改列族。一旦列族被删除了，该列族包含的数据也随之被删除,4.6.2HBase常用Java API及应用实例,（6）org
