HBase整体架构是什么

小编给大家分享一下HBase整体架构是什么，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

HBase 系统架构图

组成部件说明 
　　Client： 
　　使用HBase rpc机制与HMaster和HRegionServer进行通信 
　　Client与HMaster进行通信进行管理类操作 
　　Client与HRegionServer进行数据读写类操作 
　　Zookeeper： 
　　ZooKeeper Quorum存储-ROOT-表地址、HMaster地址 
　　HRegionServer把自己以Ephedral方式注册到Zookeeper中，HMaster随时感知各个HRegionServer的健康状况 
　　Zookeeper避免HMaster单点问题 
　　HMaster： 
　　HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master在运行 
　　主要负责Table和Region的管理工作： 
　　1 管理用户对表的增删改查操作 
　　2 管理HRegionServer的负载均衡，调整Region分布 
　　3 Region Split后，负责新Region的分布 
　　4 在HRegionServer停机后，负责失效HRegionServer上Region迁移 
　　HRegionServer： 
　　HBase中最核心的模块，主要负责响应用户I/O请求，向hdfs文件系统中读写数据

　　HRegionServer管理一些列HRegion对象； 
　　每个HRegion对应Table中一个Region，HRegion由多个HStore组成； 
　　每个HStore对应Table中一个Column Family的存储； 
　　Column Family就是一个集中的存储单元，故将具有相同IO特性的Column放在一个Column Family会更高效

　　HStore： 
　　HBase存储的核心。由MemStore和StoreFile组成。 
　　MemStore是Sorted Memory Buffer。用户写入数据的流程：

　　Client写入 -> 存入MemStore，一直到MemStore满 -> Flush成一个StoreFile，直至增长到一定阈值 -> 触发Compact合并操作 -> 多个StoreFile合并成一个StoreFile，同时进行版本合并和数据删除 -> 当StoreFiles Compact后，逐步形成越来越大的StoreFile -> 单个StoreFile大小超过一定阈值后，触发Split操作，把当前Region Split成2个Region，Region会下线，新Split出的2个孩子Region会被HMaster分配到相应的HRegionServer上，使得原先1个Region的压力得以分流到2个Region上。
由此过程可知，HBase只是增加数据，有所得更新和删除操作，都是在Compact阶段做的，所以，用户写操作只需要进入到内存即可立即返回，从而保证I/O高性能。

　　HLog 
　　引入HLog原因： 
　　在分布式系统环境中，无法避免系统出错或者宕机，一旦HRegionServer意外退出，MemStore中的内存数据就会丢失，引入HLog就是防止这种情况 
　　工作机制： 
　　每个HRegionServer中都会有一个HLog对象，HLog是一个实现Write Ahead Log的类，每次用户操作写入Memstore的同时，也会写一份数据到HLog文件，HLog文件定期会滚动出新，并删除旧的文件(已持久化到StoreFile中的数据)。当HRegionServer意外终止后，HMaster会通过Zookeeper感知，HMaster首先处理遗留的HLog文件，将不同region的log数据拆分，分别放到相应region目录下，然后再将失效的region重新分配，领取到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复。

　　HBase存储格式 
　　HBase中的所有数据文件都存储在hadoop HDFS文件系统上，格式主要有两种： 
　　1 HFile HBase中KeyValue数据的存储格式，HFile是Hadoop的二进制格式文件，实际上StoreFile就是对HFile做了轻量级包装，即StoreFile底层就是HFile 
　　2 HLog File，HBase中WAL（Write Ahead Log） 的存储格式，物理上是Hadoop的Sequence File

　　HFile

　　图片解释： 
　　HFile文件不定长，长度固定的块只有两个：Trailer和FileInfo 
　　Trailer中指针指向其他数据块的起始点 
　　File Info中记录了文件的一些Meta信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY等 
　　Data Index和Meta Index块记录了每个Data块和Meta块的起始点 
　　Data Block是HBase I/O的基本单元，为了提高效率，HRegionServer中有基于LRU的Block Cache机制 
　　每个Data块的大小可以在创建一个Table的时候通过参数指定，大号的Block有利于顺序Scan，小号Block利于随机查询 
　　每个Data块除了开头的Magic以外就是一个个KeyValue对拼接而成, Magic内容就是一些随机数字，目的是防止数据损坏

　　HFile里面的每个KeyValue对就是一个简单的byte数组。这个byte数组里面包含了很多项，并且有固定的结构。

　　KeyLength和ValueLength：两个固定的长度，分别代表Key和Value的长度 
　　Key部分：Row Length是固定长度的数值，表示RowKey的长度，Row 就是RowKey 
　　Column Family Length是固定长度的数值，表示Family的长度 
　　接着就是Column Family，再接着是Qualifier，然后是两个固定长度的数值，表示Time Stamp和Key Type（Put/Delete） 
　　Value部分没有这么复杂的结构，就是纯粹的二进制数据

　　HLog File

　　HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是“写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。 
　　HLog Sequece File的Value是HBase的KeyValue对象，即对应HFile中的KeyValue 。

以上是“HBase整体架构是什么”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注编程网精选频道！