Hbase数据存储原理和读写数据的流程

1、HBase的数据存储原理

• 一个HRegionServer会负责管理很多个region
• 一个*region包含很多个store
  • 一个列族就划分成一个store**
  • 如果一个表中只有1个列族，那么每一个region中只有一个store
  • 如果一个表中有N个列族，那么每一个region中有N个store
• 一个store里面只有一个memstore
  • memstore是一块内存区域，写入的数据会先写入memstore进行缓冲，然后再把数据刷到磁盘

• 一个store里面有很多个StoreFile, 最后数据是以很多个HFile这种数据结构的文件保存在HDFS上

  • StoreFile是HFile的抽象对象，如果说到StoreFile就等于HFile
  • 每次memstore刷写数据到磁盘，就生成对应的一个新的HFile文件出来
    

    2、HBase读数据流程

    
    说明：HBase集群，只有一张meta表，此表只有一个region，该region数据保存在一个HRegionServer上

• 1、客户端首先与zk进行连接；从zk找到meta表的region位置，即meta表的数据存储在某一HRegionServer上；客户端与此HRegionServer建立连接，然后读取meta表中的数据；meta表中存储了所有用户表的region信息，我们可以通过scan  'hbase:meta'来查看meta表信息
• 2、根据要查询的namespace、表名和rowkey信息。找到写入数据对应的region信息
• 3、找到这个region对应的regionServer，然后发送请求
• 4、查找并定位到对应的region
• 5、先从memstore查找数据，如果没有，再从BlockCache上读取
  • HBase上Regionserver的内存分为两个部分
  • 一部分作为Memstore，主要用来写；
  • 另外一部分作为BlockCache，主要用于读数据；
• 6、如果BlockCache中也没有找到，再到StoreFile上进行读取
  • 从storeFile中读取到数据之后，不是直接把结果数据返回给客户端，而是把数据先写入到BlockCache中，目的是为了加快后续的查询；然后在返回结果给客户端。

3. HBase写数据流程

• 1、客户端首先从zk找到meta表的region位置，然后读取meta表中的数据，meta表中存储了用户表的region信息

• 2、根据namespace、表名和rowkey信息。找到写入数据对应的region信息

• 3、找到这个region对应的regionServer，然后发送请求

• 4、把数据分别写到HLog（write ahead log）和memstore各一份

• 5、memstore达到阈值后把数据刷到磁盘，生成storeFile文件

• 6、删除HLog中的历史数据

补充：
HLog（write ahead log）：
    也称为WAL意为Write ahead log，类似mysql中的binlog,用来做灾难恢复时用，HLog记录数据的所有变更,一旦数据修改，就可以从log中进行恢复。