分布式存储系统ApacheHBase的现状和发展

　　导读： Apache  HBase(Hadoop Database)，是一个基于Google BigTable论文设计的高可靠性、高性能、可伸缩的分布式存储系统。全文将围绕以下几个方面展开：  ＨBase是什么  ＨBase社区的发展  ＨBase2.0  ＨBase未来规划  如何成为Committer
　　01
　　ＨBase是什么
　　HBase(Hadoop Database)，是一个基于Google BigTable论文设计的高可靠性、高性能、可伸缩的分布式存储系统。
　　它有以下特征：   HBase仍然是采用行存储的，采用松散表的结构来获得动态列的功能；   原生海量数据分布式存储。在单个数据库中可以存档GB甚至上pb。在一行中也可以存储上百万列。任何大小的数据量都适合采用HBase；   不仅支持随机查询，还支持范围查询；   高吞吐，低延迟。一个集群可以有上千万个dps，平均的延迟可以做到一毫秒之内；   在线NOSQL数据库；   多版本，增量导入，多维删除。
　　1.HBase的四大基因
　　（1）自动分区
　　最开始的时候，我们的数据库是单机的数据库。慢慢的我们发现单机的数据库无法承受数据和访问的爆发式增长。因此就出现了分库分表的方案。将数据库和表拆分到多个服务器上，然后利用中间件作为一个路由。这里就会遇到一个问题，随着数据的增加，中间件就会成为一个瓶颈。如果请求量爆发式增长的时候，要加载新的进去，整个物理的变化需要进行搬迁之后才能够进行使用。
　　而在HBase中，使用的是自动分区功能。当访问量和请求量增加的时候它可以自动的进行数据分片，以应对数据和请求的爆发式增长。
　　（2） LSM-Tree
　　LSM(Log Structured Merge)Tree，它的一个重要的功能就是随机写变成顺序写。
　　现在LSM模型是大数据库的标配。它主要包括如下几个特点：   写吞吐量高   不受hdd随机写瓶颈和ssd随机写入放大干扰   超强数据导入能力
　　（3）存储计算分离
　　HBase本身不会存任何数据。数据都是存储在底层的HDFS中。存储计算分离有以下好处：负载均衡更高效、资源扩容更节省、存储优化更便捷。
　　（4）ＨBase生态
　　HBase有一个非常强大的朋友圈。具体见下：
　　2.场景
　　HBase是几乎可以满足所有的大数据场景需求。比如说对象存储，比如说推荐系统。比如说用来存储订单，用来存储聊天记录。高性能推送的朋友圈应用的场景。针对一些其他的场景，我们可以利用HBase加上组件能力来实现这些场景的应用。比如说HBase加Linux，来实现NEWSQL的数据库。比如说HBase加上geomesa来实现时空数据的存储，滴滴就是采用这种方案来存储他们的轨迹数据。在物联网场景，可以采用HBase加openjsdb来存储海量的时序数据。
　　3.使用HBase的商业公司
　　基本上每一个大型的公司都在使用HBase。
　　4.HBase特性总结
　　HBase，为大数据而生，有LSM树：离线导入效率巨高 、实时写入吞吐大、增量导入隔离性强；伸缩性强；TTL：数据时效性，系统自动处理、时效性的个性化设置；多版本：数据的第三维度、高效删除方式；动态列：数据发散的利器；协处理器：数据校正、高效适应个性化；异构介质多副本存储：海量与实时的性价比满足；Erasure Code：因大而生。
　　--
　　02
　　ＨBase社区的发展
　　1.HBase的起源
　　HBase于2006年诞生于Powerset,一家从事自然语言处理和搜索的创业公司(后被微软收购)
　　HBase的实现基于Google发布的BigTable论文，用来解决 Hadoop中随机读写效率低下的问题。HBase最初的开发人员是MichaelStack和JimKellerman。2007年4月，HBase做为一个模块提交到Hadoop的代码库中，代码量~8000行，2010年5月HBase成为Apache的顶级项目，同年，Facebook把HBase使用在其消息平台中。
　　2.HBase项目现状
　　目前HBase的代码已经超过100万行，HBase仍然是最活跃的Apache项目之一，拥有76个Committer，42位PMC，共有328位Contributor，其中14位 Committer/PMC 来自中国。
　　3.HBase目前版本
　　ＨBase目前版本众多。见下图：
　　--
　　03
　　ＨBase2.0
　　1. HBase2.0版本发布历史
　　HBase2.0的发布是一部血泪史，因为在四年前已经有这个版本了，由于一些因素，造成了没有人管理。最后花了一年多的时间才稳定他的版本发布出来，他的Release Manger多次更换，才把他发布出来。由此，我们吸取了这次教训，我们以后会做好版本控制，把控好发布的节奏。
　　2. 新功能
　　（1）Region Replica
　　Region Replica这个功能在1.2版本中已经存在，但是为什么叫做新功能呢？是因为之后修改了很多bug，在1.4版本才稳定下来，然后1.4和2.0是同时发布的。在CAP理论中,HBase一直是一个CP系统，遵循强一致的读写语义，所以Server宕机后需要一定的恢复时间，如果宕机了，客户端可以从另外的副本中去读取数据，Region Replica为数据分片Region准备了多个副本,host在不同的RegionServer上，同时，客户端也可以做到，对多个副本同时发请求，然后做到选择最快速的那个副本，提供高可用读，宕机0影响，规避抖动，毛刺，降低P999延迟；缺点是需要额外耗费CPU/Memory资源，但不会占用额外空间。
　　（2）读写链路Off-heap
　　第二个新功能是全链路Off-heap，意思就是读写链路数据端到端Off-heap，减少java GC带来的停顿，进一步降低P999延迟，提高吞吐。这个功能我们从两方面来实现的：写链路Off-heap，我们使用在RPC层使用Netty的Off-heap ByteBuffer，使用支持Off-heap的Protobuf。同时使用Off-heap的Chunk 来存储Memstore中的KeyValue。
　　在读链路Off-heap方面，使用Off-heap的Bucket Cache，HBase自己管理内存的，我们从Bucket Cache读取数据的时候，先要从Protobuf做一次拷贝，因为可能读取的时候，发生内存不够了，再次分配的情况。在读取对Bucket Cache进行引用计数，保证读取的时候，内存不会被回收掉，读取时不再需要先拷贝到heap，对Bucket Cache进行了一系列性能优化。
　　后面这是HBase官方放着阿里巴巴在双十一对HBase优化之后的对比图，可以看到优化之后他的请求的曲线更加平稳，吞吐量增长了30%，这个案例大家可以去HBase的官方去看一下。
　　（3）In Memory Compaction
　　在HBase2.0中另外一个重磅的功能就是In Memory Compaction，以前我们知道HBase中使用的数据结构是java中原生的跳表，但是跳表依然是一个松散的结构，这样的话，虽然内存不断的在增大，但是刷到之后，会造成通过In memory的flush不会到hdfs上，反而回转到更加紧凑的CellArrayMap这个结构，同时多个CellArrayMap会在内存中做compaction，使内存的使用更加紧凑。然后通过In memory的flush和compaction,在内存中可以存储更多的数据，因此可以提高读性能，同时减少磁盘IO，减轻compaction小文件造成的写放大。这个功能社区也有介绍。
　　（4）小对象存储MOB
　　之前我们建议在HBase上不要存很大的KV值，但是MOB(Moderate Object Storage) 功能使HBase能高效地存储那些100k~10M 中等大小的对象。这使得用户可以把文档、图片对象保存到HBase系统中，用户写入的小对象flush成一个独立文件，原有的KV中的value只存这个对象的引用路径，对于存储对象文件,更少地进行compaction来减少写入放大效应。
　　（5）Assignment MangerV2
　　这是一个非常重要的模块，HBase中的状态流转，建表删表，都需要在Assignment MangerV2上进行，之前旧AM系统参与角色多,状态更新混乱，效率低，无事务保证，容易出现RIT问题。所以AM V2使用ProcedureV2来保证 Table/Region状态转换在master重启后仍然能恢复执行，然后去除了Zookeeper做为中间角色，Master/RegionServer直接交互，Region assign/unassgin速度大大提升。
　　（6）其他
　　在HBase2.0中，还有非常多的新功能，具体如下：
　　3.兼容性和升级建议
　　建议如下：
　　--
　　04
　　ＨBase未来规划
　　1. HBaseConAsia & 开发者圆桌会议
　　HBase众多开发者也会参加这个会议，参与讨论它的未来发展方向。
　　2. 更加易用
　　HBase已经提供了，Java的API，但是这个案例不太友好，我们目前打算提供Native的SQL接口，能够做到轻量级的SQL支持、内置的二级索引方案、与Spark SQL更好地结合等功能。
　　3. 更高性能
　　在以后的版本中，不用在对HBase的性能担心了，我们在以后的版本中准备从Use CCSMap to improve HBase YGC tim、全链路异步化、基于非易失存储的WALLess方案等方面努力成为LSM模型下性能最好的Java存储引擎。
　　4.更强扩展性和稳定性
　　这个方面我们以下几个方面来解决：
　　--
　　05
　　如何成为Committer
　　今天的分享就到这里，谢谢大家。
　　阅读更多技术干货文章、下载讲师PPT，请关注  微信公众号＂DataFunTalk＂。
　　分享嘉宾：杨文龙 阿里巴巴 技术专家，HBase社区Committer&PMC
　　内容来源：HBase MeetUp《Apache HBase的现状和发展》
　　出品社区：DataFun
　　分享嘉宾：
　　杨文龙，阿里巴巴技术专家 。 HBase社区Committer&PMC，Ali-HBase内核负责人 ，对分布式存储系统的设计、实践具备丰富的大规模生产的经验。
　　活动推荐：
　　关于我们：
　　DataFun： 专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请超过2000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章700+，百万+阅读，14万+精准粉丝。
　　欢迎转载分享评论，转载请私信。