HBase简介与实践分享 剑英

About me 剑英（谭颖亮） 就职于淘宝网 目前负责淘宝数据平台与产品部--基础研发，专注于分布式数据存储计算同步平台的建设

Simple Introduce Yet Another NoSQL Bigtable implementation Primary Contributors: Yahoo!,Facebook,Cloudera

Basic Concepts Table in HBase Example Schema: TableName & Column Family Name ; value is stored in column with version as byte[]; Example Column Family Column Label Column Qualifier CL // Schema name contact // CL firstname lastname nickname email phone bixuan hao lin bluedavy **@gmail 186****** 158******

Basic Concepts Table in HBase 以Region为单位管理region(startKey,endKey)； 每个Column Family单独存储：storeFile； 当某个Column Family累积的大小 > 某阈值时，自动分裂成两个Region； 如何找到某行属于哪个region呢？ -ROOT- & .META.

Basic Concepts RegionServer Master Region读写操作的场所； 管理Region的分配； 基于zookeeper来保证HA；

HBase Architecture 图来源于： http://goo.gl/d1T3Q

HBase Features 强一致性 水平伸缩 同一行数据的读写只在同一台regionserver上进行； region的自动分裂以及master的balance； 只用增加datanode机器即可增加容量； 只用增加regionserver机器即可增加读写吞吐量；

HBase Features(Cont.) 行事务 Column Oriented + 三维有序 同一行的列的写入是原子的； Column Oriented + 三维有序 SortedMap(RowKey, List(SortedMap(Column, List(Value,Timestamp)) ) rowKey (ASC) + columnLabel(ASC) + Version (DESC) --> value

HBase Features(Cont.) 支持范围查询 高性能随机写 Scan scan=new Scan(Bytes.toBytes("0"), Bytes.toBytes("20")); 高性能随机写 WAL (Write Ahead Log)

HBase Features(Cont.) 和Hadoop无缝集成 Hadoop分析后的结果可直接写入HBase； 存放在HBase的数据可直接通过Hadoop来进行分析。

Why not? just see users and performance HBase能用于Online场景吗？

HBase Users Facebook Trend Micro Adobe Twitter Yahoo! Messages Realtime analytics for Big Data Trend Micro Adobe Twitter Yahoo!

HBase性能 随机写（K: 200 byte V: 1024 byte） region server机器：12块1T的SATA盘7200rpm，No Raid，24G，Xeon5620 2.4GHz，千兆网卡； Java Heap: 12G

HBase性能(Cont.) 随机写（K: 200 byte V: 1024 byte） avg: 3ms，吞吐量：1w tps/rs

HBase性能(Cont.) 10亿key（1T数据量）随机读，12台rs，cache: 4g/台；

HBase性能(Cont.) 之前的场景，cache全命中的状况： avg: <1ms

HBase不支持的 二级索引； sql/join/跨行跨表等RDBMS特性；

HBase适用场景 摘自：HBase @ Facebook The Technology Behind Messages (and more...)

HBase @ Taobao 已上线的online项目 即将上线的online项目 4个，数据量为70T；

我们的HBase 自动的测试体系 more powerful then YCSB!

我们的HBase(Cont.) 运维体系 运行指标； 快速判断集群健康状况； 帮助分析集群性能。

我们的HBase(Cont.) 改进HBase Table Balance Client put bug Compact优化 Master恢复时间过长

我们的HBase(Cont.) 扩展HBase 支持Server端计算 按Group资源隔离 和优先级控制 group by,avg,sum等 按Group资源隔离 和优先级控制

HBase实践经验 合理设计rowKey & Pre-Sharding 避免仅操作集群中的少数几台机器； 根据数据量、region server数合理pre-sharding。

HBase实践经验(Cont.) 容量影响因素 开启压缩 lzo create table ‘t1’,{NAME => ‘cf1’, COMPRESSION => ‘lzo’}

HBase实践经验(Cont.) 写速度关键因素 Table region分布均衡； 单台region server的region数； hbase.regionserver.handler.count hbase.regionserver.global.memstore.upperLimit hbase.hregion.memstore.block.multiplier hbase.hstore.blockingStoreFiles hbase.hregion.max.filesize

HBase实践经验(Cont.) 读速度关键因素 单台Region Server上的Region数； StoreFile数； bloomfilter； in-memory flag; blockcache设置； hfile.block.cache.size；

HBase实践经验(Cont.) 二级索引 合理使用三维有序 More details pls attend 技术沙龙 冗余 离线

Any Questions