我是做网站的 哪里有单接网络营销公司是做什么的

1.HBase的特点

HBase是一个数据库，与RDMS相比，有以下特点：
① 它不支持SQL
② 不支持事务
③ 没有表关系，不支持JOIN
④ 有列族，列族下可以有上百个列
⑤ 单元格，即列值，可以存储多个版本的值，每个版本都有对应时间戳
⑥ 行键按照字典序升序排列
⑦ 元数据 和 数据 分开存储

• 元数据存储在zookeeper
  
• 数据存储在HDFS，具体路径在hbase-site.xml指定
  ⑧ HBase的吞吐量不如HDFS，但具备HDFS不具备的随机读写，HDFS只支持顺序读写
  ⑨ HBase以字节的形式存储数据，Null值不占用存储空间，支持稀疏存储

2.HBase表模型

表创建好之后，默认有一个分区，能存储10G大小的数据，随着数据量的不断增加，分区会按照rowkey分离，一个数据范围内的行数据分配到不同Region
不过，在创建表时，可以预先设置几个分区(预分区)，每个分区指定rowkey范围，这样数据写入时，会写到不同Region

2.1 rowkey的设计原则

rowkey按照字典序升序在表中存储，若rowkey具有相同前缀，则数据可能在同一个rowkey范围内，会将数据存储在同一个Region，造成其它Region空闲。rowkey的设计主要是打乱rowkey的顺序，使rowkey分布在不同Region。
建议rowkey设计时：
①加盐：每个rowkey的前缀加上一个随机数
②反转：手机号、身份证号、时间戳反转
③HASH：MD5Hash方案生成rowkey
①和②能保证数据落在不同Region，但数据的相关性不能保证。③能保证相关性数据放到一起，相关性数据比较多的时候，依然导致数据分配到同一个分区

2.2 列族的设计原则

一个表有多个列族的话，一行数据会写入多处memstore、多处storefile。增加了IO写入次数和读取次数。一行数据的一个memstore触发溢写，该行数据的其它menstore也会同时触发溢写，增加了小文件的数量。

建议列族越少越好。
① 热点数据 和 冷备数据分两个列族存储
② 对接不同业务，建立对应业务的列族

2.3 名称空间的设计原则

名称空间类似于RDMS中的库，便于管理维护工作，使业务划分更加明确，权限管理能够细致
default：默认的名称空间, 在创建表的时候, 如果不指定名称空间, 默认就会将表创建在这个default名称空间下，类似于在HIVE中有一个default库
hbase：hbase专门用于放置hbase系统表，meta 表就是存储在这个名称空间下

3. 架构模型

① HMaster
主节点，支持单节点、主从、主备主从架构、HMaster的高可用需要zookeeper参与。
② HRegionServer
从节点，负责管理主节点分配的Region，一个HRegionServer可以管理多个Region，但一个Region只能被一个HRegionServer管理
③ Region
逻辑上，HBase基于rowkey将一个表水平划分成多个Region，默认一个表只有一个Region，随着写入数据的增多，Region会分裂
④ Store
逻辑上，一个列族就是一个Store模块，一个Store模块由一个memStore和多个StoreFile构成

3.1 读数据流程

① 客户端发起读取数据的请求，首先连接zk集群，从zk中查询hbase:meta表，得到管理hbase元数据的Master结点地址

② 客户端连接Master结点，检索habse:meta表，得到客户端端要读的表的Region及管理Region的HRegionServer结点
说明: hbase:meta 是HBase专门用于存储元数据的表, 此表只会有一个Region, 也就说这个表只会被一个Region所管理, 一个Region也只能被一个RegionServer所管理

③ 客户端根据rowkey确定Region，连接管理该Region的HRegionServer，从Region中读取数据
如果执行scan, 返回这个表所有Region对应的RegionServer的地址
如果执行get, 返回查询rowkey所对应Region所在RegionServer的地址

读取顺序: 先内存 --> blockCache(块缓存) —> storeFile —> 大HFile

3.2 写数据流程

① 由客户端发起写入数据的请求, 首先 先连接zookeeper集群

② 从zookeeper集群中获取hbase:meta 表被那个RegionServer所管理

③ 连接对应RegionServer, 从meta表获取要写入数据的表的Region, 然后根据Region的startRow和endRow, 判断要写入数据的Region, 并确定管理该Region的HRegionServer

④连接对应RegionServer,开始进行数据写入操作, 写入时需要将数据写入到对应的Store模块下的MemStore中(可能写入多个MemStore),同时也会将本次写入操作记录在对应RegionServer的HLog中, 这个两个位置都写入完成后, 客户端写入完成

⑤ 随着客户端不断的写入操作, MemStore中数据会越来越多, 当MemStore的数据达到一定的阈值(128M/1H)后,就会启动Flush 刷新线程, 将内存中数据 “最终” 刷新到HDFS上,形成一个StoreFile文件

⑥ 随着不断地Flush的刷新, 在HDFS上StoreFile文件会越来越多, 当StoreFile文件达到一定的阈值(3个及以上)后, 就会启动compact合并压缩机制, 将多个StoreFile “最终” 合并为一个大的HFile

⑦ 随着不断的合并, HFile文件会越来越大,当这个大的HFile文件达到一定的阈值( “最终” 10GB)后,就会触发Split的分裂机制, 将大的HFile进行一分为二操作, 形成两个新的大HFile文件, 此时Region也会进行一分为二操作, 形成两个新的Region, 一个Region管理一个新的大HFile, 旧的大HFile和对应Region就会下线删除

4.写数据流程中的核心工作机制

4.1 刷新机制

memstore溢写storeFile的触发条件：
hbase.hregion.memstore.flush.size: 134217728 （128M）
hbase.regionserver.optionallogflushinterval : 3600000 (1h)

128M(Region级别) / 1H(RegionServer级别) 满足其一，即可触发Flush刷新机制

① 客户端不断向MemStore中写入数据, 当MemStore中数据达到阈值后, 就会启动Flush刷新操作

② 首先HBase会先关闭当前这个已经达到阈值的内存空间, 然后开启一个新的MemStore的空间, 继续写入

③ 将这个达到阈值的内存空间数据放入到内存队列中, 此队列的特性是只读的, 在HBase的2.x版本中, 可以设置此队列尽可能晚的刷新到HDFS中,当这个队列中数据达到某个阈值后(内存不足),这个时候触发Flush刷新操作(希望队列中尽可能多的memstore的数据, 让更多的数据存储在内存中)

④ Flush线程会将队列中所有的数据 全部都读取 出来, 然后对数据进行 排序合并 操作, 将合并后数据存储到HDFS中, 形成一个StoreFile的文件

HBase的2.x版本支持了推迟刷新, 合并刷新策略
hbase.systemtables.compacting.memstore.type:
NONE | BASIC | EAGER

basic(基础型): 直接将多个MemStore数据合并为一个StoreFile. 写入到HDFS上, 如果数据中存在过期的数据,或者已经标记为删除的数据, 基础型不做任何处理

eager(饥渴型): 在将多个memstore合并的过程中, 积极判断数据是否存在过期, 或者是否已经被标记删除了, 如果有, 直接过滤掉这些标记删除或者已经过期的数据

adaptive(适应性): 检测数据是否有过期的内容, 如果过期数据比较多的时候, 就会自动选择饥渴型,否则就是基础型

4.2 合并机制

storefile触发compact合并压缩机制，合并成一个HFile的条件：
整个Compact合并压缩机制分为二大阶段:
minor阶段
hbase.hstore.compaction.min: 3 （3个及以上）
将多个StoreFile合并为一个较大的HFile文件, 对数据进行排序操作, 如果此时有过期或者有标记删除的数据, 此时不做任何处理的(类似于: 内存合并中基础型合并方案)

major阶段
hbase.hregion.majorcompaction: 604800000 (7天)
将较大的HFile 和 之前的大HFile进行合并, 形成一个更大的HFile文件 (全局合并)。
合并过程中, 会将那些过期的数据或者已经标记删除的数据删除掉

4.3 分裂机制

HFile达到一定阈值, 触发Split分裂机制的条件：
hbase.hregion.max.filesize: 10737418240 (10G)

上述公式, 其实就是HBase用于计算在何时进行分裂

相关的变量说明:
R:表对应的Region的数量
hbase.hregion.memstore.flush.size : 默认为128M
hbase.hregion.max.filesize: 默认 10GB
由于表一开始默认只有一个Region, 被一个HRegionServer管理, 如果此时这个表有大量的数据写入和数据读取操作, 这些请求全部负载到同一个HRegionServer, 这个HRegionServer可能负载过重 直接宕机。
一旦宕机, 对应的Region就会被HMaster分配给其他的HRegionServer, 然后其他的RegionServer也会跟着一起宕机, 最终导致整个HBase集群从节点全部宕机(雪崩问题)

通过Region分离或预分区策略, HMaster就可以将Region分布给不同的HRegionServer, 大量的并发, 由多个HRegionServer共同负载