发布于 2014-12-27 14:33:31 | 286 次阅读 | 评论: 0 | 来源: 网友投递
HBase分布式面向列的开源数据库
HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。
本文为大家讲解的是HBase Thrift接口的一些使用问题及相关注意事项，感兴趣的同学参考下。
HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。
HBase对于非Java语言提供了Thrift接口支持，这里结合对HBase Thrift接口（HBase版本为0.92.1）的使用经验，总结其中遇到的一些问题及其相关注意事项。
1. 字节的存放顺序
HBase中，由于row（row key和column family、column qualifier、time stamp）是按照字典序进行排序的，因此，对于short、int、long等类型的数据，通过Bytes.toBytes(…)转换成byte数组后，必须按照大端模式（高字节在低地址，低字节在高地址）存放。对于value，也是同样的道理。因此，在使用Thrift API（C++、Php、Python等）方式时，最好对于row和value都统一按照大端进行pack和unpack处理。
举个例子，C++中，对于int型变量，经过以下方式转换为字典序：
通过以下方式将字典序转换为int：
Php中则提供了pack和unpack方法进行转换：
2. TScan的使用陷阱
HBase的PHP Thrift接口中，TScan可以直接通过设置startRow、stopRow、columns、filter等属性，默认这些属性均为null，设置后变为非null（通过TScan的构造函数或直接对TScan的成员变量进行赋值）。通过write()方法和Thrift Server进行RPC操作时，直接判断的依据是这些属性不为null，则通过Thrift协议传输到Thrift Server端。
但是在C++的Thrift接口中，TScan中有一个_TScan__isset __isset类型的变量，其内部结构如下：
TScan的write()方法则是通过判断_TScan__isset下的各个bool变量标记是否设置了startRow、stopRow、columns、filter等属性，决定是否将这些属性通过Thrift协议传输到Thrift Server端，而这些属性必须通过__set_xxx()方法进行设置才能生效！在TScan的默认构造函数中，并不会对这些属性对应的__isset标记设置为true！
因此，如果直接通过TScan的构造函数初始化startRow、stopRow、columns、filter等属性会导致从头遍历该表，只有调用了__set_xxx()方法才会将对应的bool标识设置为true，这样服务端才会从Thrift Server获取startRow、stopRow、columns、filter等属性进行扫描。
3. 并发访问线程数
首先，为了尽可能减少由于网络传输带来的时间开销，HBase的Thrift Server最好和应用客户端部署在同一台机器上。Thrift Server启动时可以通过参数配置并发线程数，否则很容易导致Thrift Server线程满了不响应客户端的读写请求，具体命令：bin/hbase-daemon.sh start thrift --threadpool -m 200 -w 500（更多参数参考这里：bin/hbase-daemon.sh start thrift -h）。
4. 最大堆内存配置
如果客户端与Thrift Server进行scan操作顺序读取数据，而且设置了一定的cache记录条数（通过TScan的int32_t caching变量设置），那么这些被caching的记录数可能会占用Thrift Server相当部分的堆内存，尤其在多客户端并发访问时更明显。
因此，在Thrift Server启动前，可以调大最大堆内存，否则可能由于java.lang.OutOfMemoryError异常而导致进程被杀掉，尤其是当Scan时设置了较大的caching记录条数的情况（默认为export HBASE_HEAPSIZE=1000MB，可以在conf/hbase-env.sh中设置）。