Hbase存储及元数据meta

Hbase的列族式存储

列族就是多个数据列的组合，列族式可以说是表的schema的一部分，而列不是。Hbase可以说是列簇数据库，在创建表的时候要指定列族，而不需要指定具体的列。

Hbase Table组成：Table = rowkey + family + column + timestamp + value

数据存储模式：(Table, rowkey , family , column , timestamp) -> Value

Hbase数据存储原型

HBase 是一个稀疏的、分布式、持久、多维、排序的映射，它以行键（row key），列键（column key）和时间戳（timestamp）为索引。

Hbase在存储数据的时候，有两个SortedMap，首先按照rowkey进行字典排序，然后再对Column进行字典排序。

SortedMap< RowKey, LIst< SortedMap<Column,List<Value, Timestamp> > > >

Hbase数据表解析

我们分析下条语句，在hbase shell中，直接按create命令不带参数，hbase会提示建表的语法。

create 'demo:user', {NAME => 'f1', VERSIONS => 5, COMPRESSION => 'SNAPPY',COMPRESSION_COMPACT=>'snappy','REPLICATION_SCOPE'=>1}

- 表名字叫做'demo:user'

- NAME 列族名字是 f1，记住建表一定要指定列族名

- VERSION 是Hbase的表保存的数据版本数，默认保存3个版本

- REPLICATION_SCOPE 值可以为0或者1，0代表不复制，1代表启用复制

- COMPRESSION_COMPACT,COMPRESSION 是表的压缩类型

Hbase提供了三种常用的压缩类型，如下，并且官方给出的压缩率如下：

Hbase数据存储目录解析

我们在搭建Hbase的时候需要在hbase-site.xml中指定其存储目录，Hbase在指定的目录中构造数据数据

- .tmp 当对表进行创建和删除的时候会把表移动到.tmp目录下，然后再进行表操作，他是一个临时的数据交换目录

- WALS 理解为存储Hbase的操作日志

- archive 管理表的归档，这个由一个定时任务定时处理，管理和维护hbase的数据

- corrupt 一般是损坏的数据

- data 存储数据的核心目录

- hbase.id 标识hbase进程

- hbase.version 表名的

- oldWALs 日志已经被持久化之后，日志就被移动到这个目录下等待删除

- data/default 目录存储的是当前Hbase内包含的的表信息

- data/hbase 存储元数据和命名空间

Hbase的元信息表

hbase的元数据表为'hbase:meta'，存储在ZooKeeper上面。它也是一张普通的hbase表。它的结构如下：

region是存储数据的最基本单元

Key:

table,key,time 三个部分的组合。因为Hbase根据rowkey排序，所有可用很快的找打对应的表
Values: 指向的是region server指向的region
info:regioninfo 对于region的基本信息存储，平时基本上用不到
info:server region服务器的地址和端口，这样就可以找到服务器
info:serverstartcode 数据校验的时候才用得到的里面的值也是会进行变化的。RegionServer挂掉，它也会及时的更新，Hbase表相当于Hbase的第一级索引，是Hbase最重要的系统表。

Hbase读取数据过程

在读数据的时候，客户端首先连接到ZooKeeper上面，然后查找"hbase:meta"表的位置，客户端查询"hbase:meta"表然后找到对应rowKey的Region，然后Region和RegionServer的信息缓存到客户端，在接下来的交互中就无需再次连接查询"hbase:meta"表了，如果缓存过期之后，客户端会发起一个新的查询，然后再缓存到本地。

在读取的时候，其中的WAL功能如下：

在写数据的时候，数据首先被写到日志文件中(write-ahead log)，然后写到MemStore中。直接写到MemStore很有可能导致数据丢失的问题，因为它存储在内存中。一旦MemStore满了，MemStore的内容就会刷新到磁盘中的HFile文件中。

在发生故障的时候，WAL的作用就显示出来了。因为WAL存储在HDFS上面，一般会有多份的复制，任何一个服务器有复制的WAL都可以使用。

而HFile代表真实的数据存储文件，这个文件包含不同数量的数据块和固定数量的文件信息块。索引块记录数据和元数据块的偏移量，每一个数据块包含魔数头和许多的KeyValue实例。

以上内容来自：https://vip.kingdee.com/article/9416

参考

[Hbase .META table](https://stackoverflow.com/questions/25917701/hbase-meta-table)
[Hbase 官方参考](http://hbase.apache.org/book.html#arch.catalog.meta)
[Hbase 存储原理剖析](https://www.imooc.com/learn/996)
[几张图看懂列式存储](https://blog.csdn.net/dc_726/article/details/41143175)
[Hbase模式设计介绍](https://zhuanlan.zhihu.com/p/36235199)
[Hbase存储原理剖析](https://www.imooc.com/learn/996)

Hbase基本操作（shell操作）

在Hbase中，数据的存储都是二进制，并且列族和列都会根据字典顺序排序

$>hbase shell                         //登录shell终端.
$hbase>help                               //帮助
$hbase>help 'list_namespace'          //查看特定的命令帮助，命名空间就如同关系型数据库中的库
$hbase>list_namespace                   //列出名字空间(如同数据库)
$hbase>list_namespace_tables 'defalut' //列出名字空间(如同数据库下的表)
$hbase>create_namespace 'ns1'          //创建名字空间
$hbase>help 'create'
$hbase>create 'ns1:t1','f1'             //创建表,指定空间下，并且指明列族
$hbase>put 'ns1:t1','row1','f1:id',100       //插入数据，指明RowKey,列族：列
$hbase>put 'ns1:t1','row1','f1:name','tom' //

$hbase>get 'ns1:t1','row1' //查询指定RowKey
$hbase>scan 'ns1:t1' //扫描表

$hbase>flush 'ns1:t1'       //清理内存数据到磁盘。
$hbase>count 'ns1:t1'       //统计函数
$hbase>disable 'ns1:t1'       //删除表之前需要禁用表
$hbase>drop 'ns1:t1'       //

$hbase>scan 'hbase:meta' //查看元数据表

不论哪一个shell我们首先要做的就是学会使用它自带的帮助文档，help是Hbase的帮助命令，如果想查看某个命令的用法，就用help '命令'查看。

元数据表meta

HMaster在Hbase集群启动的时候将存放数据的区域region指定到区域服务器HRegionServer节点上，并且将这些信息写到了一张名为meta的元数据表，这张表就想目录一样，用户在存储或是查找数据的时候通过这张表进行查找比对，找到自己操作所在的HRegionServer的区域region进行操作。

$hbase>list_namespace //列出名字空间(如同数据库)

发现有两个名字空间是默认的，default和hbase，我们看一下hbase名字空间下的表

$hbase>list_namespace_tables 'hbase' //列出名字空间(如同数据库下的表)

发现元数据meta表，使用scan来查看一下

$hbase>scan 'hbase:meta' //扫描表

发现我们建的所有表信息，都在这里面，包括在哪台HRegionServer节点上，我们拿出一些基本信息看一下

此图仅供参考，不是原图。

如上图所示，最左边的 ns2:t2,,1532055628871.c4f8bb62217c308f2844aa5fcd599f69. 是HRegionServer节点分配的一个区域region名。从左边开始ns2:t2是我们建的名字空间ns2以及该名字空间下的表t2,紧接着的逗号标识开始行RowKey，如果一张表没有被切割过，就是默认的逗号，表示这张表没有被切割，是一张完整的表，如果被切割了，则切割处或是在所在区域的开始行RowKey。而c4f8bb62217c308f2844aa5fcd599f69则是HRegionServer节点分配的一个区域region编码，由前面的一串字符串按照MD5加密而来。

区域名所对应的右边column=列族：列记录了这个区域的一些基本信息，包括所在的HRegionServer节点s11:16020,开始行STARTKEY=>,ENDKEY=>,(都是逗号表示这个表没有被切割，从开始到结束)以及区域编码c4f8bb62217c308f2844aa5fcd599f69。有了这些基本信息我们就能够实时的读写了，根据匹配最左边的(例如ns2:t2,开始行RowKey,1532055628871.c4f8bb62217c308f2844aa5fcd599f69.)找到区域所在地HRegionServer节点地址，然后从HRegionServer节点上所对应的区域中查找存储数据。

Hbase既然将数据存储到了HDFS上，那目录结构是什么样子的呢？我们在搭建集群时候，已经配置在了hbse-site.xml中

在我们的HDFS的webui界面查找一下，发现其表数据存储目录结构格式为：hdfs://s10:8020/hbase/data/${名字空间}/${表名}/${区域名称}/${列族名称}/${文件名}

truncate 对表预分区信息的影响

使用hbase命令truncate 'tablename'后，预分区信息没了，本来这张表进行了预分区，但是truncate之后表的预分区信息就没有了。要保留分区应该使用 truncate_preserve 'tablename'命令，如果直接使用truncate 'tablename'是不会保留分区的

create 'staff','info','partition1',SPLITS => ['1000','2000','3000','4000']

scan 'hbase:meta',{COLUMNS=>'info:regioninfo',FILTER=>"RowFilter(=, 'substring:staff,')" }

truncate_preserve 'staff'

truncate ‘staff’