首页 / HBASE / HBase数据存储格式

HBase数据存储格式

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了HBase数据存储格式，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5657字，纯文字阅读大概需要9分钟。

内容图文

好的数据结构，对于检索数据，插入数据的效率就会很高。

常见的数据结构

B+树

根节点和枝节点非常easy，分别记录每一个叶子节点的最小值，并用一个指针指向叶子节点。 
叶子节点里每一个键值都指向真正的数据块。每一个叶子节点都有前指针和后指针，这是为了做范围查询时。叶子节点间能够直接跳转。从而避免再去回溯至枝和根节点。 
技术分享

特点： 
1、有n棵子树的结点中含有n个keyword，每一个keyword不保存数据，仅仅用来索引，全部数据都保存在叶子节点。 
2、所有的叶子结点中包括了所有keyword的信息，及指向含这些keyword记录的指针。且叶子结点本身依keyword的大小自小而大顺序链接。 
3、全部的非终端结点能够看成是索引部分。结点中仅含其子树（根结点）中的最大（或最小）keyword。

缺点： 
通常数据量会非常大，磁盘中的数据採用这样的分页形式的话。就会比較多。非常有可能存储的数据在两个页表其中不连续。相隔非常远，这样的顺序查询的方式就会比較慢。 
B+树最大的性能问题是会产生大量的随机IO。随着新数据的插入。叶子节点会慢慢分裂。逻辑上连续的叶子节点在物理上往往不连续。甚至分离的非常远，但做范围查询时，会产生大量读随机IO。 
对于大量的随机写也一样，举一个插入key跨度非常大的样例。如7->1000->3->2000 … 新插入的数据存储在磁盘上相隔非常远，会产生大量的随机写IO。

从上面能够看出，低下的磁盘寻道速度严重影响性能。

LSM树

技术分享 
为了更好的说明LSM树的原理，以下举个比較极端的样例： 
如今如果有1000个节点的随机key，对于磁盘来说。肯定是把这1000个节点顺序写入磁盘最快，可是这样一来。读就悲剧了。由于key在磁盘中全然无序，每次读取都要全扫描；

那么，为了让读性能尽量高，数据在磁盘中必须得有序，这就是B+树的原理。可是写就悲剧了，由于会产生大量的随机IO，磁盘寻道速度跟不上。 
LSM树本质上就是在读写之间取得平衡，和B+树相比。它牺牲了部分读性能。用来大幅提高写性能。

它的原理是把一颗大树拆分成N棵小树。 它首先写入到内存中（内存没有寻道速度的问题。随机写的性能得到大幅提升）。在内存中构建一颗有序小树，随着小树越来越大，内存的小树会flush到磁盘上。

当读时。因为不知道数据在哪棵小树上，因此必须遍历全部的小树。但 在每颗小树内部数据是有序的。

HBase数据存储格式

HBase引入了LSM树的概念，即Log-Structured Merge-Trees。

HFile格式

技术分享

技术分享 
HFile分为六个部分： 
Data Block 段 
—–保存表中的数据。这部分能够被压缩。

每个数据块由块头和一些KeyValue组成。key的值是严格依照顺序存储的。块大小默觉得64K（由建表时创建cf时指定或者HColumnDescriptor.setBlockSize(size)） ，这一部分能够压缩存储。

 
在查询数据时，是以数据块为单位从硬盘load到内存。

查找数据时，是顺序的遍历该块中的keyValue对。

Meta Block 段 (可选的) 
–—保存用户自己定义的key-value对，能够被压缩。

比方booleam filter就是存在元数据块中的，该块仅仅保留value值，key值保存在元数据索引块中。每个元数据块由块头和value值组成。

能够高速推断key是否都在这个HFile中。

File Info 段 
–—-HFile的元信息，不被压缩。用户也能够在这一部分加入自己的元信息。

Data Block Index 段 
—-–Data Block的索引，每条索引的key是被索引的block的第一条记录的key（格式为：头信息。（数据块在文件里的偏移 + 数据块长 + 数据块的第一个key）。（数据块在文件里的偏移 + 数据块长 + 数据块的第一个key），……..）。

 
技术分享

Meta Block Index段 (可选的) 
–Meta Block的索引。

该块组成格式同数据块索引，仅仅是某部分的意义不一样。 
技术分享

Trailer 
–—这一段是定长的。

保存了每一段的偏移量。读取一个HFile时。会首先读取Trailer，Trailer**保存了每一个段的起始位置**(段的Magic Number用来做安全check)，然后，DataBlock Index会被读取到内存中，这样，当检索某个key时。不须要扫描整个HFile。而仅仅需从内存中找到key所在的block，通过一次磁盘io将整个 block读取到内存中，再找到须要的key。DataBlock Index採用LRU机制淘汰。

 
技术分享

说明例如以下：

1、 FileInfo Offset – FileInfo信息在HFile中的偏移。long(8字节)。 
2、 DataIndex Offset – 数据块索引在HFile中的偏移。

long(8字节)。 
3、 DataIndex Count – 数据块索引的个数。

int(4字节)。 
4、 MetaIndex Offset – 元数据索引块在HFile中的偏移。long(8字节)。

 
5、 MetaIndex Count – 元数据索引块的个数。

int(4字节)。 
6、 TotalUncompressedBytes – 未压缩的数据块部分的总大小。long(8字节)。 
7、 Entry Count – 数据块中全部cell（key-value）的个数。int(4字节) 
8、 Compression Codec – 压缩算法为enum类型。该值表示压缩算法代码。（LZO-0，GZ-1，NONE-2）,int(4字节) 
9、 Version – 版本号信息。

当前该版本号值为1. int(4字节)。

HFile的Data Block，Meta Block通常採用压缩方式存储，压缩之后能够大大降低网络IO和磁盘IO，随之而来的开销当然是须要花费cpu进行压缩和解压缩。

目标Hfile的压缩支持两种方式：Gzip，Lzo。

StoreFile格式

技术分享 
每一个Strore又由一个memStore和0至多个StoreFile组成。

 
StoreFile以HFile格式保存在HDFS上。

KeyValue对象格式

技术分享

The KeyValue格式:

<code class="hljs cs has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-radius: 0px; word-wrap: normal; background: transparent;">Keylength
valuelength
key
<span class="hljs-keyword" style="color: rgb(0, 0, 136); box-sizing: border-box;">value</span></code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li></ul>

当中keylength和valuelength都是整型，表示长度。 
而key和value都是byte数据。key是有固定的数据。而value是raw data。Key的格式例如以下。

The Key format:

<code class="hljs erlang has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-radius: 0px; word-wrap: normal; background: transparent;">rowlength
<span class="hljs-function" style="box-sizing: border-box;"><span class="hljs-title" style="box-sizing: border-box;">row</span> <span class="hljs-params" style="color: rgb(102, 0, 102); box-sizing: border-box;">(i.e., the rowkey)</span>
<span class="hljs-title" style="box-sizing: border-box;">columnfamilylength</span>
<span class="hljs-title" style="box-sizing: border-box;">columnfamily</span>
<span class="hljs-title" style="box-sizing: border-box;">columnqualifier</span>
<span class="hljs-title" style="box-sizing: border-box;">timestamp</span>
<span class="hljs-title" style="box-sizing: border-box;">keytype</span></span></code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li></ul>

keytype有四种类型，各自是Put、Delete、 DeleteColumn和DeleteFamily。

内容总结

以上是互联网集市为您收集整理的HBase数据存储格式全部内容，希望文章能够帮你解决HBase数据存储格式所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1112725.html

来源：【匿名】