HBase理论_HBase架构组件介绍

近来有些空闲时间，正好最近也在开发HBase相关内容，借此整理一下学习和对HBase组件的架构的记录和个人感受，付出了老夫不少心血啊，主要介绍的就是HBase的架构设计以及我的拓展内容。内容如有不当或有其他理解

bash 复制代码

matirx70@163.com

HBase架构设计

HBase master 架构介绍

hbase master采用主备架构，master与regionserver采用主从架构（即一个HMaster会控制多个regionserver），HBase由zookeeper、HMaster、HRegionServer三部分组成，底层数据存储在HDFS上（存储到HDFS中的是Hfile文件）。

【个人拓展：主备架构和主从架构】

1、主备架构和主从架构有什么区别？

主备架构：只有主库提供读写服务，备库冗余作故障转移用

hadoop中的namenode,一个是master(active),另一个master(standby)

也就是主机节点宕机了，另一台备用节点就会变为active，变为主，这是主备架构

主从架构： master , slave

就是我们namenode 下面挂着datanode ,他们之间的关系是主从，

在CDH的平台上也可以看到它。具体操作如下进入到 HBase ->实例，可以看到Master和Regionserver。

【我自己拍的图】

进入到配置中可以看到ZK，HBase要依赖ZK的，同时在下面有一个HBase的长连接的目录

【我自己拍的图】

如何查看这个长连接目录？

bash 复制代码

# 进入集群,简单看一下zk存在的地方
[root@worker-1 ~]# zookeeper-client
[zk: localhost:2181(CONNECTED) 0] ls /
[hive_zookeeper_namespace_hive, zookeeper, ngdata, hbase, solr]
[zk: localhost:2181(CONNECTED) 1] ls /hbase
[meta-region-server, rs, splitWAL, backup-masters, table-lock, flush-table-proc, master-maintenance, online-snapshot, acl, switch, master, running, tokenauth, draining, namespace, hbaseid, table]
[zk: localhost:2181(CONNECTED) 2]  ls /hbase/master
[]

#f防伪标识:作者csdn: matrix70     --->  xidaolaoli

HBase官方架构图

【HBase官方架构图】

【个人经验拓展架构图理解】

这个官方的架构图有歧义，在Memstore溢写时，溢写到StoreFile中，StoreFile中实际存储的是HFile文件，StoreFile实际存储在HDFS上，即图中StoreFile应放在HDFS中，而不应该划分到Region中，这就是有歧义的地方。后续我会给出一个新的架构图。

要记住这个Hlog是做什么的，一个regionserver下面只有一个Hlog,wal这里还有一个协处理器，可二次开发，但是要注意我们处理器是监控不了我们的TSV + bulkload的，基于HBase底层做二次开发的，要注意这一个点，协比如麒麟做一个二次开发。这是题外话了，我在这里简单扩展一下。

简述官方架构图功能：

Client客户端

Client客户端，它提供了访问HBase的接口，并且维护了对应的cache来加速HBase的访问。

Zookeeper

存储HBase的元数据（meta表），无论是读还是写数据，都是去Zookeeper里边拿到meta元数据告诉给客户端去哪台机器读写数据

HRegionServer regionServer 服务器端

它是处理客户端的读写请求，负责与HDFS底层交互，是真正干活的节点。

**总结大致的流程就是：**client请求到Zookeeper，然后Zookeeper返回HRegionServer地址给client，client得到Zookeeper返回的地址去请求HRegionServer，溢写HRegionServer读写数据后返回给client。

HBase 架构组件介绍

HMaster

HBase引入zookeeper，避免HMaster单点问题，HMaster主要负责table和region的管理工作：

1 ）管理用户的读写操作

2 ）管理HRegionServer的负载均衡，调整region分布，这是region切分的时候要用的

3 ）region split后，负责新region重分

4 ）在HRegionServer停机后，负责失效的HRegionServer上region的迁移，如果这个HRS服服务挂了，那么Master会把RegionServer中的Region中的数据迁移到正常的HRS中

【个人扩展-->如何解决主备的单点问题？】

与Namenode的单点问题解决方式是同一个，Namenode中单点问题是通过zookeeper解决，即如果主节点挂掉，则zk中的临时节点就会消失，然后备用的节点重新注册一个临时节点，然后它就升级为主节点了。

HRegionServer

是HBase中最核心的模块，也是干活的模块，一般HRegionServer会选择和DataNode部署在同一个节点，实现短路读/数据本地化，HRS主要功能：

1 ）维护Region，每个Region下面存着数据的，处理这些Region的IO请求

2 ）Regionserver负责切分在运行过程中逐渐变大的Region 一个HRegionServer下面可以有多个Region

HRegion/Region

HBase使用rowkey将表水平切割成多个HRegion/Region.

【个人拓展理解-->HRegion】

从HMaster的角度，每个HRegion都记录了startkey和endkey（第一个Region的startkey为空，最后一个Region的endkey为空），由于rowkey是有序的，有序就会做一个索引，因此client端可以通过HMaster快速定位到某个rowkey在哪个HRegion中，不需要全表去扫描了，通过key-value的形式就干出来了。

【个人拓展理解-->Rowkey是如何水平切分HRegion 】

这一个可是精华，学习的时候理解了半天，当然，我还是会用图演示出来方便些,我愿称之为全网最NB 的理解，请把NB打在评论区！！

废话不多说：如果建表时未进行预分region，startkey和endkey都为空，则区间为（负无穷，正无穷），随着数据增加，region分裂后会生成新的region，此时startkey和endkey会生成具体的值。

【演示Rowkey是如何水平切分HRegion的】

【演示Region分裂】

【个人拓展->Region是怎样产生的】

1）按照Rowkey预分Region

2）如果没有按照Rowkey预分Region，则当一个Region达到一定的值的时候，会自动进行Region分裂。具体到什么值，后面我会详细来说说，哈哈哈。

HStore/Store

每一个列族对应一个HStore/Store，一个HRegion/Region里包含一个或者多个HStore/Store，由此在设计cf时，尽量将同一系列的数据存在一个列族中，便于同一系列的数据都存在同一个region中。

【列族设计】

Hlog

hbase WAL(write ahead log)(预写日志机制)，在用户发起写请求时先向Hlog写一份，然后再将数据向memstore中写，Hlog数据是写磁盘，为了避免HRegionServer故障时memstore数据丢失，Hlog并不是无限去存储的，否则就冗余了，他也有阈值，会滚动更新，达到阈值，会提示memstore把数据溢写到HDFS上，等memstore的数据全部溢写到磁盘上，则Hlog的备份的数据会清空，而新数据的加入会对应冲抵掉较早的Hlog数据。

Memstore（阈值128M）

hbase写缓存，在用户发起写请求时先写入hlog，然后再写入memstore中，当memstore写入达到flush阈值时，将memstore中的数据写到hdfs上(hfile)，每个列族对应一个memstore，即一个HStore/Store中只有一个memstore。

storefile

当memstore写数据达到设定的阈值之后，会将数据溢写到hdfs，即storefile，内部存储hfile。storefile会进行合并，否则可能出现小文件的问题，当storefile经过多次合并后变得已经达到指定规则的分裂阈值，则再进行region分裂。

HRS、DataNode、table、region、columnfamily、Hstore/store、memstore、storefile关系图，修正了部分

有空补充

参考资料:

1、hbase官网Apache HBase® Reference Guide

2、大神给我的讲解