好程序员大数据学习路线Hbase总结-创新互联
好程序员大数据学习路线Hbase总结，为什么有hbase
随着数据的逐渐增大，传统的关系型数据库无法满足对数据的查询和存储，而hive不是数据库，只是数据仓库，虽然能够满足简单的存储要求，但是始终无法满足对非结构化和半结构化的数据的存储和查询
2hbase是什么
Hbase是阿帕奇旗下的一款开源的，多版本的，可扩展的非关系型数据库。
他是基于谷歌的bigtable的基础上，建立在hdfs上的一款提供高 可靠性的，高性能的列式存储，可伸缩，实时读写的nosql的数据库系统
3适用场景
海量数据存储
随机实时读写和管理数据
4特点
列式存储
模式：无模式（不需要use gp1808,就可以直接创建表了,所以导致hbase中的表是不可以重名的）
数据类型：单一的byte[]
多版本（version）：每个值都可以有多个版本
稀疏存储：如果kv为null，则不占用存储空间
5结构框架
Client：
hbase的客户端，包含访问的hbase的接口（linux shell ,java api）
维护一些cache(缓存)来加速hbase的速度，比如region的位置信息
Zookeeper:
监控hmaster的状态，保证有且只有一个active的hmaster，达到高可用
存储所有的region的寻址入口，
实时监控hregionserver的状态，将regionserrver的上下线信息实时通知给hmaster
存储hbase的所有表的信息（hbase的元数据）
Hmster(hbase的老大)
为regionserver分配region（新建表）
负责regionserver的负载均衡
负责region的重新分配（处理hregionserver异常，hregion裂变）
Hdfs上的垃圾文件回收
处理schema的更新请求
Hregionserver（hbase的小弟）
维护老大给他的region(管理本机上的region)
处理client对region的IO请求，并和hdfs交互
Regionserver负责切分在运行过程中变大的region
Hregion:
Hbase中分布式的存储和负载的最小单元，表或者是表的一部分
（在HBase中数据按主键排序，同时表按主键划分为多个Region
Region按大小分割的，随着数据增多，Region不断增大，当增大到一个阀值的Region就会分成两个新的Region）
Region虽然是分布式存储的最小单元，但并不是存储的最小单元。每个Region包含着多个Store对象。每个Store包含一个MemStore或若干StoreFile，StoreFile包含一个或多个HFile。MemStore存放在内存中，StoreFile存储在HDFS上。
Hlog；
对hbase的操作进行记录，使用wal（Write-Ahead-Log）写数据，优先写入log,然后再写入memstore,以防数据丢失时可以进行日志回滚回复数据
Store：
相当于一个列簇。
Memstore:128M
内存缓冲区，用于将数据批量刷新到hdfs上
Hstorefile(hfile)
Hbase中的数据是以hfile的形式存储到hdfs上
写流程：
1client通过zookeeper的调度，向regionserver发出写数据请求，在region中写数据
2数据被写入region的memstore，直达memstore达到预设的阈值（128M）
3memstore中的数据被flush成一个storefile
4随着storefile文件的不断增多，当其数量增长到一定阈值的时候，触发了compact合并操作，将多个storefile合并成一个storefile,同时进行版本合并和数据删除
5storefiles通过不断的compact合并操作，逐渐形成越来越大的storefile
6单个storefile大小超过一定阈值之后，触发spilt操作，把当前的region切分成2个新的region，父region会下线，新切出的2个字region会被hmaster分配到相应的regionserver上，使得原先的一个region的压力的以分配到2个region上
读流程：
1client访问zookeeper，查找root表，获取meta表的信息
2从meta表中查找，获取存放的目标的region信息，从而找到对应的regionserver
3通过regionserver获取需要查询的数据
4regionserver的内存分为memstore和blockcache两部分，memstore主要用于写数据，blockcache主要用于读数据，请求先到memstore中查数据，查不到就在blockcache在查，再查不到就会到storefile上读，并把读的结果放入blockcache
寻址过程：client-->Zookeeper-->-ROOT-表-->.META.表-->RegionServer-->Region-->client
Rowkey：行键，和mysql的主键一样，不允许重复，按照字典顺序排列
Columnfamily：列簇
Column：列
Timestamp:时间戳，默认显示最新的时间戳
Version：版本号，记录数据的版本
Cell:单元格，一个key 一个value
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
网页题目：好程序员大数据学习路线Hbase总结-创新互联
分享URL：http://scyanting.com/article/ececi.html
