该文档介绍了HBase的基本概念及其架构，强调了HBase在处理大量数据时的优势和特性，如可扩展性、高性能和可靠性。它还包含了HBase在搜索中心的实际应用及遇到的一些问题和经验分享。文档的最后提供了相关学习资源的链接以供进一步研究。

1. HBase 使用初体验
2011-05-18
叔宝@搜索中心

2. Agenda
• QCon NoSQL简介
• HBase 介绍
• HBase@搜索中心
• 遇到的问题

3. NoSQL@Qcon
• NoSQLs : Key/Value
– Facebook ,Twitter: HBase 线上每月25T消息
hbase + haystack
– Sina : Mysql->Mysql + Redis 5w qps
– 豆瓣 : BeansDB 记录为几K~几M之间
– 淘宝 : tair
– 百度 : bailingDB 千亿网页存储
– 人人 : Nuclear Dynamo
– QQ Mail : SimpleDB 支持业务的cache
– 视觉中国 : MongoDB

4. HBase 介绍
• Background
• Data Model
• Architecture
• Features
• Hbase API

5. Background
• BigTable
• Hadoop

6. Background

7. What is HBase
• Column-oriented semi-structured data store
• Distributed
• Layered over HDFS
• Tolerant of machine failure
• Strong consistency

8. From facebook

9. Data Model
• Basic concept
– Table
– Row(全局有序)
– Column = Family + qualifier(不固定)
– Timestamp(version)
– Cell
– region

10. Data Model(cnt.)
Table : User-Friends
Info Friends
Row(Uid) Name Sex Age … 1 3 4 …
1 John M 23 Bf
2 Smith
3 Lily F 22 Gf Sister
4 Lucy F 22 Sister

11. Data Model(cnt.)
• Physical Storage
Info Friends
Row(Uid) Name Sex Age … 1 3 4 …
1 John M 23 Bf
2 Smith
3 Lily F 22 Gf Sister
4 Lucy F 22 Sister

12. Architecture

13. Architecture(cnt)
• Client
– Read/Write Data(RegionServer)
– Schema Manager(Master)
• Zookeeper
– Master选举和恢复
– 定位Root region
– RegionServer上下线感知
• Master
– Region assign(balancer)
– Metadata operation
• RegionServer
– 用户IO请求
– Split/Compact Region

14. Where is ipad@query table?
query
• 3 级查找 .META1.
ipad
-ROOT-
.META1.
zookeeper META2

15. Write
MemStore
writer
HLog
Seq#1,Table13,Region11,… StoreFile StoreFile
StoreFile Small
Seq#2,Table5,Region2,…
Compaction

16. Features
• Scalability
• High performance
• Reliability
• Hbase API

17. Scalability
• 扩容
– 传统方案：分库分表
– HBase : 直接新增机器
– RegionServer
• Split
• Load balance
– HDFS
• Schema变化
– 传统方案：停机维护
– HBase : 动态增删列(族)

18. High performance
• 随机读
– Key/Value
– Cache(客户端cache+MemStore+Blocking)
– 按列存储
– Split/balance
– BloomFilter

19. High performance(cnt.)
• 随机写
– WAL
– Cache(MemStore)
– Compact/Split/balance

20. High performance(cnt.)
• 范围查询Scan
– Row全局有序

21. Reliability(Fault-tolerance)
• Layered On HDFS
• WAL
• Automatic Failover
– Region Server
– Master

22. HBase API
• HBase shell (like mysql/hive)
• Java API
• Thrift
• REST
• Jython,Scala,Groovy DSL, Cascading, Pig,
Hive…

23. Java API
• Get
• Put
• Delete
• Scan
• HBaseAdmin
• MapReduce

24. HBase@搜索中心
• 一淘
– 网页(文本信息+全网B2C商品)
– 图片(缩略图+价格图)
– 外网合作商家数据
• 主要操作：
– 网页选取
– 链接提取
– 图片处理
– Index Build(全量+增量)

25. HBase@搜索中心(cnt.)
• 数据平台
– 卖家数据存储
• 基本信息
• 每天流量来源
• 反作弊
• 相关性
– Query数据存储

26. HBase@搜索中心(cnt.)
• Dump中心
– 宝贝数据
– 用户数据
–…
• 解决增量问题

27. 遇到的问题/经验分享
• 表Schema设计
– Key : 查找某个query某个类目id下的数据
– Column Family
– 每天一表or总共一张表
• 压缩
• Region pre-sharding
• 机房数据迁移(bulk loader)
• WAL的影响评估

28. 相关学习资料
• Soure Code
• BigTable 论文
• Website Book
• Wiki
• 菜鸟看Hbase by 毕玄
• HBase @ Hadoop Day Seattle
• Facebook's New Realtime Analytics System:
HBase to Process 20 Billion Events Per Day
• QCon北京 2011 总结