1.大数据时代的在线结构化存储-HBase

产品功能

产品简介

概述

定位：面向大数据场景的高可靠、高性能、高伸缩的分布式结构化存储系统HBase – Hadoop Database，是一个高可靠性、高性能、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。Ali-HBase，基于阿里巴巴/蚂蚁的环境和业务需求，对社区HBase进行深度定制与改进，从软件系统、解决方案、稳定护航、发展支撑等全方位提供一站式大数据基础存储服务。
它是以松散表的形式组织数据，提供实时更新、增量导入、随机查询、范围查询、多维删除能力，与实时计算、离线计算、流计算高度集成，高扩展、高可用、高可靠、高性能、高适应的在线分布式NoSQL数据库

基本架构

HBase是Google Bigtable的开源实现，类似Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统；Google运行MapReduce来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据；Google Bigtable利用 Chubby作为协同服务，HBase利用Zookeeper作为对应。

基本特点

数据模型松散的表Schema，列的名字、数目、长度无需定义
数据类型：唯一支持字节数组(byte[])
支持多版本
支持多数据类型

访问方式实时写入/更新/删除，支持批量、异步等方式
后台导入，直接生成存储格式的文件，十分高效
设置数据有效期，过期自动删除
指定主键(Row)的随机查询
有条件(为主键或列设定条件)的范围查询
协处理器 (类似于RDB中的触发器与存储过程)
事务：支持单行、同分区跨行的事务
索引：主键索引，支持局部二级索引
数据强一致性，强持久性
程序语言支持：原生客户端仅支持JAVA，C、PHP等可以通过代理方式访问(自带Thrift框架)
支持SQL
支持异步API
与JStorm/Galaxy集成，支持基于HBase的实时流计算

性能与扩展水平扩展，支持千台物理机级规模
扩容无需数据迁移，即扩即用
大表自动分裂，支持分区在线合并
扩展能力依赖表分区，Row设计需要防热点
存储层采用LSM树，相比于B-Tree（读写对等），写能力>读能力
支持多副本异构介质存储
支持二级缓存

安全与稳定存储层默认三副本，数据可靠性高
支持表快照，方便冷备
系统内部采用M-S架构Master支持热备，Master故障影响DDL，不影响DML
Slave故障，影响可用性，部分数据区域的DML不可用，会自动恢复

支持双集群数据复制
支持用户认证与授权
支持集群一键切换和自动切换
支持单元化多地多集群部署

数据导入导出跨系统，支持导入/导出CSV格式的数据
同系统，支持distcp直接拷贝底层存储文件，快速导入
使用sqoop，在HBase/mysql/orcale/hive等系统间相互迁移数据
与在云端集成，支持HBase与其他系统的数据全量/增量迁移
与TT和ODPS集成，支持HBase上的数据实时生产到TT，供其他订阅方消费，并支持同步到ODPS上，进行实时计算

运维与服务完善的监控与报警
全链路请求追踪
7*24一站式服务

使用场景

结构化数据场景描述：用户的前台数据实时读写HBase，如交易记录、评价记录、物流记录等
案例代表：支付宝消费记录、菜鸟物流详情

高吞吐写入场景描述：日志、消息、监控、聊天等需要高吞吐实时写入的数据存取
案例代表：AliMonitor、集团TimeTunel、旺旺聊天

海量数据实时访问场景描述：安全风控场景，在/离线写入大量用户行为数据，实时查询判断行为风险
案例代表：蚂蚁风控、集团安全

大数据实时计算场景描述：数据BI、实时运营等场景，流计算、批量计算的结果实时回流到HBase，供在线访问
案例代表：媒体大屏、生意参谋、蚂蚁服务宝

Ali-HBase与社区HBase的关系与区别

社区HBase是一个开源软件，Ali-HBase是定制软件、解决方案、护航配套、服务支撑的集合
与阿里/蚂蚁的环境高度集成，享受一站式的数据场景服务，支撑这个服务的系统包括云平台(业务接入、资源管理、集群管控、数据运营)、监控报警、高可用切换、数据流动与计算支撑系统等，经过业务多年锤炼的配套体系，满足业务拎包入住
Ali-HBase拥有的超越社区版本的独有能力可用性：可达99.99%，全年不可用<1小时完善的集群间异步复制，支持多单元、表级复制、延迟/拓扑可视等功能，更加地稳定、高效(性能提升1倍)
支持集群数据的同步复制
切换系统，支持一键切换、自动切换
深度优化的宕机恢复能力，快N倍

稳定性：多年沉淀，久经双11沙场
功能性：深耕需求，独特风景二级索引
新缓存BucketCache，支持二级缓存
资源分组隔离，支持多租户
冷热分级存储
异步API，提高吞吐
内置计算，高效支持数据的聚合、校正、清洗
反向Scan
OffsetScan，以支持分页
支持请求级超时
离散式TTL
支持SQL，数据类型、全局二级索引、热点消除等能力尽在SQL层

运维性：一切尽在掌握核心模块和关键链路的完善监控
请求的全链路跟踪与调试
多级请求控制能力：限制、隔离、拒绝
对业务完全透明的数据搬迁

性能：深入场景的提升，优秀源于大体量的锤炼多副本异构介质混合存储
内存自管理Map，深度优化GC
双集群双活架构，请求稳定性提升一个数量级
Compaction算法的深度改进
Small Scan
C/S传输压缩，HLog压缩
前缀BloomFilter
上百个细节优化

灵活性：易流动，易计算异构系统间的数据全量/增量/实时迁移
数据实时同步ODPS，定期计算
JStorm/Galaxy，支持基于HBase的实时流计算

产品优势

易用

无需部署与维护，直接使用数据服务
丰富监控与报表，轻松优化应用
专业团队提供支持

可扩展

弹性高效的水平扩展

稳定可靠

多副本的高可靠保障
支持冷备和热备
节点故障自动恢复

持续可用

主备架构
同城容灾
多地容灾
支持一键切换和自动切换

深入整合

与实时计算、离线计算、流计算高度整合
集成于在云端，支持异构系统间的数据迁移

成本

深入场景的性能优化
无需基础(网络、机器)和系统运维