[大数据]大数据论文_03_BigTable(个人总结)

????声明: 1. 本文为我的个人复习总结, 并非那种从零基础开始普及知识?内容详细全面, 言辞官方的文章
??????????????2. 由于是个人总结, 所以用最精简的话语来写文章
??????????????3. 若有错误不当之处, 请指出

BigTable

一、出现的原因

没有BigTable时 如MySQL集群的痛点:

1. 单机存储数据量低

2. 随机读写性能慢

3. 可伸缩性太差:

   • 扩容后, ip = hash % 集群数量, 将受到很大影响(数据查不到, 或者说得大量迁移数据)
   • 某一个节点可能存储负载过重

4. 可运维性 高可用差:

   小部分节点的故障，不应该影响整个集群的运行; 集群自身也要有很强的容错能力，能够把对应的请求和服务，调度到其他节点去

如何解决伸缩性和可运维性 高可用?

使用动态区间分区

我们不再是一开始就定义好需要多少个机器 以及应该怎么分区，

而是采用了一种自动去"分裂"(split)的方式来动态地进行分区, 自动进行分区或合并

二、架构

组成架构:

1. Master

   1. 调度 哪些 Tablets 分配给哪个 Tablet Server
   2. 平衡 Tablet Server 的负载
   3. 检测 Tablet Server 的新增和过期
   4. 管理表(Table)和列族的 Schema 变更，比如表和列族的创建与删除
   5. 对于 GFS 上的数据进行GC垃圾回收

2. TabletServer

   只负责在线服务，不负责数据存储

   数据存储和在线服务的职责是完全分离的: 我们调度 Tablet 的时候 只是调度在线服务的负载，并不需要把数据也一并搬运走 (类似于Hive & metastore)

3. Chubby

   分布式锁和目录服务

   1. 确保集群里只有一个 Master(防止脑裂)

   2. 记录 METADATA 所在的 TabletSever

   3. 发现 Tablet Servers 以及在它们终止之后完成清理工作

   4. 存储 BigTable 的 Schema 信息

   5. 存储 ACL信息

4. GFS

   存储数据

为什么数据读写不需要 Master？

分区 和 Tablets 的分配信息，并没有放在 Master, 而是存成了 TabletSever 的一张 METADATA 表

即使Master 节点已经挂掉了，一时也不会影响数据的正常读写?

Master不存储分区 和 Tablets 的分配信息 , 客户端不依赖 Master 提供数据读写服务

三、具体实现

timestamp: 让顺序写实现了增删改功能

LSM Tree结构: MemStore + SSTable, Split & Compact

WAL保证了数据的高可靠性

MemTable的优化:

使用跳表作为数据结构, O(LogN)实现数据的高效查询 & 插入

MemTable里是有随机写的

MemTable 只有三种操作:

1. 根据 RowKey 的随机数据插入，这个在数据写入的时候需要用到；

2. 根据 RowKey 的随机数据读取，这个在数据读取的时候需要用到；

3. 根据 RowKey 的有序遍历，在 MemTable 转化成 SSTable 的时候会被用到

查询SSTable的优化:

1. 先查缓存

   两级缓存:

   • 高层的缓存(Scan Cache)

     是对查询结果如 www.baidu.com 进行缓存

   • 低层的缓存(Block Cache)

     是对查询所获取到的整个数据块进行缓存

     因为一个块里存储的数据都是排好序的, 所以下次查询 www.baidu.com1 这个行键时 就可以直接从 Block Cache 中获取到，而不需要再次访问SSTable 文件

   这两层缓存都是针对单个 SSTable 上的，而不是在单个 Tablet 上

   只要不出现 Compaction，或者整个SSTable 文件过期，这些缓存都不会主动失效; 新写入的数据更新都体现在 MemTable 中，不会影响到我们的 SSTable

2. 再用 布隆过滤器的预判

3. 再 布隆预判存在后, 还有索引块

访问MemTable: 跳表

访问SSTable: 缓存->布隆过滤器->索引

Compaction 的优化:

SSTable 里面的数据块是顺序存储的, Compact时 其实就是有序链表的多路归并

压缩:

以时间换空间