HBase在人资数据预处理平台中的实践
![]()
Tech
导读
物流人资数据预处理平台，负责接收一线几十万员工不同条线的工作量，每日数据量约2000w，系统负责加工转换并提供数据查询的同时，还需保证查询性能，以及修改单个业务量功能。本文通过HBase在物流人资数据预处理平台中实践，讲解HBase集群如何协同工作，并概述读取数据以及存储数据的原理，以及使用HBase注意事项。
人资绩效数据预处理平台，负责接收所有上游业务量数据（工作内容数据），用于一线几十万员工薪资计算。平台单日接收量可达2000w，月度数据超5亿。目前已有超过100种业务量接入，各业务量具有字段不一，数据格式不一致等特点。同时平台还需对业务量更新以及高性能查询有较高要求。通常技术上可以选择OSS、MySql数据库、ES，CK等方案。其中OSS云存储方案，高并发下查询性能以及单业务量字段更新无法满足。MySql数据库很难处理超过上亿数据量。而ES存储与查询都可以满足，对单个字段更新不够友好，且ES成本较高。CK更适合做OLAP。
基于以上背景，技术选型时，充分考虑到人资数据预处理平台的特性，数据量大、数据非结构化、高性能、开源稳定等要求，选型HBase。
HBase是一个分布式的、面向列的开源数据库，它是一个适合于非结构化数据存储的数据库，它在Hadoop之上提供了类似于Bigtable的能力，同时又是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，同时HBase技术可在廉价PC Server上搭建起大规模结构化存储集群，性价比非常高。
京东内部提供JDNosql即通过HBase搭建，参考文档http://doc.nosql.jd.com/
对象存储：不少的头条类、新闻类的新闻、网页、图片存储在HBase之中，一些病毒公司的病毒库也是存储在HBase之中。
时序数据：HBase之上有OpenTSDB模块，可以满足时序类场景的需求。
时空数据：不少车联网企业，数据都是存在HBase之中。
消息/订单：Facebook用HBase存储在线消息，每天数据量近百亿，每月数据量250 ~ 300T， HBase读写比基本在1:1，吞吐量150w qps。
Feeds流：典型的应用如微信朋友圈。
命名空间：类比MySql中数据库库名。
表名：类比MySql中表名。
列族：一组列的集合为列族。列族下的列可以N个。
列名称：存在列族下的单个列，列族下的名称。
RowKey：HBase存储采用 key-value方式，Key即为RowKey，所有的修改查询等操作只能基于RowKey，必须唯一。
HBase由三种类型的服务器以主从模式构成。
Region Server：负责数据的读写服务，用户通过与Region Server交互来实现对数据的访问。每个Region服务器中包含最多1000个Region，每个Region里面包含了StartKey到EndKey的一个区间数据。
HBase HMaster：分组分配Region和操作DDL,在集群处于数据恢复或者动态调整时，监控所有Region Server的状态。
ZooKeeper：负责维护集群的状态（某台服务器是否在线，服务器之间数据的同步操作及HMaster的选举等）。
图一 HBase整体架构图
Region Server，会通过心跳方式与ZooKeeper保持连接，并创建一个临时节点，当无法监听到心跳时，会通知ZooKeeper，同时删除临时节点，而HMaser会通过ZooKeeper得到Region Server服务器的状态，当服务器下线时，会进行数据恢复、容灾等操作。HMaster同样会同ZooKeeper保持心跳，用于监控HMaster状态，当HMaster下线时，会通过选举方式，将HMaster集群中的一台机器设置成Active，其他机器设置成InActive状态，来保证整个集群的高可用性。
数据读取过程——
客户端发起请求，从Zooeeper中获取一个叫MetaTable的元数据。
注：如果本地有缓存会优先读取本地缓存。
客户端通过MetaTable，得知RowKey所有在的Region Server服务器得到Region位置。
客户端优先从Region中的BlockCache（读取缓存）中获取数据，如果BlockCache中不存在，会通过MemStore（写入缓存）中获取数据，如果还不存在，会通过HFile中读取，并将数据返回给客户端。
读取HFile时，会通过尾部指针中布隆过滤区域与时间区域，可以快读定位RowKey是否在HFile文件当中。
HFile读取后，会将多级索引加载在BlockCache中，用于读加速。
数据写入过程——
HBase客户端发起Put请求时，会先将数据写入预写日志（WAL）中，将操作记录写入WAL末尾。WAL用于Region Server服务器崩溃时，恢复MemStore中数据，WAL存储在Hadoop的HDFS中。
数据在写入Wal后，会将数据先写入Region Server下Region中MemStore中（写入缓存，内存级别）。
在写入MemStore成功后，反馈给客户端本次写入已经完成。
当MemStore达到一定量级时，会通过Flush方式，生成HFile，存入Hadoop的HDFS中。HFile在生成前，会在内存中对Key进行升序排序，将排序好的数据顺序写入HFile中，并在HFile中生成一个多级索引，还有一个尾部指针。
HBase主要特点（人资绩效数据预处理平台实践适配的特点）——
HBase为分布式列式数据库，可以横向进行扩展，解决系统存储数据超2000w的问题。
HBase为列式存储数据库，一个列族下可以支持成百上千列，解决系统对非结构化数据存储与单个数据列更新等问题。
HBase具备毫秒级读写，随机读写，实时读写，无线存储拓展，数据高可用，多级缓存，服务不中断，主备自动切换，异地双活等特性，解决系统高可用等问题。
HBase存储自带多种压缩算法，降低数据存储量。
HBase数据支持多版本，对修改的数据可以支持多个版本数据。
HBase自带数据有效期功能，对于冷数据可以定期删除。
HBase优点——
列可以动态增加，并且列为空就不存储数据，节省存储空间。
HBase自动切分数据，使得数据存储自动具有水平扩展能力。
HBase可以提供高并发读写操作的支持。
HBase缺点——
不能支持条件查询，只支持按照RowKey来查询。
不适合于大范围扫描查询。
不支持事务。
HBase注意事项——
1.数据热点问题以及解决方法
HBase创建表时会使用多个Region，如果使用不正确会导致所有数据写入同一个Region服务器下，造成数据热点问题，解决数据热点问题一共需要注意两个方面。
第一方面是建表时（预分区建表），要根据自己的RowKey特性选择正确的分区规则，人资数据预处理平台采用 HexStringSplit这种方式。
第二方面是RowKey的设计，需要保证唯一的同时尽量散列。人资侧采用雪花算法生成唯一ID，对唯一ID高位进行MD5转16进制加上反转后的唯一ID作为RowKey，可以将数据均匀的分散到多个Region中，避免数据热点问题。
2.HBase批量获取数据大小建议
对HBase进行批量查询时，将批量数据控制到100KB以内，超过后性能下降非常明显。
3.单行数据大小限制
单行不建议超过400KB，KV存储系统非对象存储系统。如果Value过大会导致处理性能直线下降。
4.Scan使用
Scan属于不稳定接口，如扫描范围过大或设置不准会导致性能下降，使用时必须设置startKey与endKey，同时start与end之间不要超过100条数据。
5.HBase连接事项
HBase每次连接耗时较高，构建Connect对象时，需要在程序启动时进行，避免使用时创建。
图2 HBase在人资绩效数据预处理平台中的性能参考
HBase写入最近30天TP99
图3 HBase写入最近30天TP99
HBase更新性能
图4 HBase更新性能
HBase查询速度TP99
图5 HBase查询速度TP99