Apache HBase

背景

Migrating Messenger storage to optimize performance - Facebook Engineering

HBASE是什么

Apache HBase™ is the Hadoop database, a distributed, scalable, big data store.

Use Apache HBase™ when you need random, realtime read/write access to your Big Data. This project’s goal is the hosting of very large tables – billions of rows X millions of columns – atop clusters of commodity hardware. Apache HBase is an open-source, distributed, versioned, non-relational database modeled after Google’s Bigtable: A Distributed Storage System for Structured Data by Chang et al. Just as Bigtable leverages the distributed data storage provided by the Google File System, Apache HBase provides Bigtable-like capabilities on top of Hadoop and HDFS.

其它有意思的信息

  • 代码行数规模

    • commit 25e3633; Top 5 language

      github.com/AlDanial/cloc v 1.88 T=34.49 s (143.8 files/s, 38891.5 lines/s)

      Language files blank comment code

      • Java 4350 128075 226689 786391
      • AsciiDoc 62 7136 1747 25015
      • Python 18 3984 3380 23084
      • Ruby 219 3145 5311 15698
      • C++ 5 2637 120 15089
  • 起始年份

    • 2008.03.28 发布开源版本
    • 距今 2021.02.10 13年 生命力旺盛
  • 起源

    • Google BigTable 一个开源实现

解决的问题

解决海量数据结构化存储、查询

提供的核心能力

  • 空间上可水平扩展
  • 时间上在约束范围内

系统架构

  • 系统组件

    • 列簇 Column Family
      • 本质上就是一棵LSM tree (log-structured merge-tree)
  • 组件关系

  • 数据结构

    • SkipList
      • 查找、删除、插入的复杂度都是O(logN)
    • LSM tree
      • 特点
        • 对写入请求更友好(HDFS擅长顺序写,不支持随机写)
      • 按空间分为两部分
        • 内存
          • 有序数据集合
            • 可选数据结构:平衡二叉树、红黑树、跳跃表(SkipList)
            • HBASE的选择 跳跃表 Skiplist
              • 理由:更优秀?相比于平衡二叉树、红黑树 TBD
        • 磁盘
          • 多个独立KeyValue有序文件
          • 布隆过滤器 Bloom Filter
            • 理由:加速读,减少没必要的读
          • cache
            • 理由:加速读,减少磁盘IO
      • 索引
        • 内存部分
        • 磁盘部分
      • LSM trees are used in data stores such as Bigtable, HBase, LevelDB, SQLite4, Tarantool RocksDB, WiredTiger Apache Cassandra, InfluxDB[8] and ScyllaDB
    • RowKey
      • 组成部分
        • Key部分
          • keyLen:占用4字节,用来存储KeyValue结构中Key所占用的字节长度。
          • 其它
        • Value部分
      • RowKey大小比较
        • 按照 RowKeyBytes、familyBytes、QualifierBytes、timestamp(越大排序越靠前)、type顺序
  • 算法

    • 核心过程
      • LSM K路多路归并
        • 解决的问题:解决N个有序文件合并为一个有序文件

refs:

  • HBase原理与实践

扫码关注公众号获取最新文章通知
扫码关注公众号获取最新文章通知