报名参加CloudWeGo黑客松,奖金直推双丰收! 了解详情
写点什么

搭建基于 S3 的 HBase 读备份集群

  • 2019-11-11
  • 本文字数:3678 字

    阅读完需:约 12 分钟

搭建基于S3的HBase读备份集群

当前 aws 的很多客户已经从将 s3 作为 HBase 的存储中获益,这当中包括更低的存储花费、更好的数据可靠性、更容易的扩展操作等待。比如 FINRA 就通过将 HBase 迁移到 s3 上将在存储上的花费降低了 60%,此外还带来了运维上的便利,以及架构上的重大优化:将 s3 作为统一的存储层,实现了更彻底的存储和计算分离。在 s3 上部署 HBase 集群,可以让你在集群启动后立即进行数据查询操作,而不用等待漫长的快照恢复过程。


随着 Amazon EMR 5.7.0 的发布,现在你可以在集群层面进一步提升数据的高可用性和高可靠性,方法是基于同一个 s3 存储桶建立多个 HBase 的读备份集群。这会让你的数据通过读备份集群及时地被用户访问,即使在主集群遇到问题关闭的时候,当然你还可以通过在多个可用区中部署读备份集群来进一步增加数据访问服务的可靠性。


接下来的文章将告诉你如何在 s3 上建立 HBase 的读备份集群。

HBase 简介

Apache HBase 是 Apache Hadoop 生态体系中的大规模、可扩展、分布式的数据存储服务。同时它还是开源的,非关系型的版本数据库,默认情况下运行在 HDFS 之上。它的设计初衷是为包含了数百万个列的数十亿行记录提供随机的、强一致性的、实时访问。同时它还和 Apache Hadoop、Apache Hive 和 Apache Pig 等大数据服务紧密结合,所以你可以轻易地为并行数据处理提供快速的数据访问。HBase 数据模型、吞吐量、和容错机制能很好地为广告、web 分析、金融服务和基于时间序列数据的应用等工作负载提供支持。


和其他很多 Nosql 数据库类似,HBase 中的表设计直接影响着数据的查询和访问模式,根据这些模式的不同,查询的性能表现也会有非常大的差异。

HBase on S3

在建立基于 S3 的 HBase 读备份集群之前,你必须先学会 HBase on S3 的部署方法,本段为那些不熟悉 HBase on S3 架构的人提供了一些基本信息。


你可以通过将 S3 作为 HBase 的存储层,来分离集群的存储和计算节点。这使得你可以根据计算需求来规划集群,从而削减开支,毕竟你不再需要为 HDFS 上存储的 3 备份数据支付费用了。


HBase on S3 架构中的默认 EMR 配置使用内存和本地磁盘来缓存数据,以此来提升基于 S3 的读性能。你可以在不影响底层存储的情况下任意地对计算节点进行伸缩,或者你还可以关闭集群来节省开支,然后快速地在另一个 AZ 中重新进行部署。

HBase on S3 读备份集群应用案例

使用 HBase on S3 架构使得你的数据被安全、可靠地存储起来。它将数据和集群隔离进行存储,消除了因为集群异常终止带来数据丢失的可能性。尽管如此,在一些特殊情况下,你还是会希望数据能获得更高的可用性,比如集群异常终止或者整个 AZ 失效。另外一个情况是,通过多个集群访问一个 S3 上的根目录,你可以隔离 HBase 集群的读写操作,从而来降低集群的压力,提供更高 SLA 的查询服务。尤其是在主集群因为 bulk load、heavy write、compaction 等操作变得异常繁忙的时候。


下图展示了没有读备份的 HBase on S3 架构,在这个场景下,诸如集群终止和 AZ 失效等异常情况会使得用户无法访问数据。


S3 上的 HBase 根目录,包含了 HFile 和表的原数据信息。



EMR 5.7.0 之前的版本,无法将多个 HBase 集群指向同一个 S3 上的根目录,为了获得更高的可用性,你需要在 S3 上创建多个数据副本,并管理它们之间的一致性。



随着 EMR 5.7.0 的发布,现在你可以启动多个读备份集群并指向 S3 桶上同一个根目录,保证了你的数据通过读备份集群它们总是可达的。



下面是一些使用 HBase 读备份集群的例子,展示了启用前后的一些对比情况。


处于同一个 AZ 的 HBase 读备份集群:





处于不同 AZ 的 HBase 读备份集群:




基于 S3 的 HBase 读备份集群的另一个好处是可以更加灵活地根据具体的工作负载来规划你的集群。比如,虽然你的读负载很低,但还是想要获得更高的可用性,那么就可以启动一个由较小实例组成的规模较小的集群。另一个例子是当你遭遇 bulk load 时,在高峰期集群需要扩张到很大以满足计算需求,在 bulk load 结束后,集群可以立即缩减以节省开支。在主集群伸缩的时候,读备份集群可以维持一个固定的规模以对外提供稳定的查询服务。

步骤

使用下列的步骤来启动基于 S3 的 HBase 读备份集群,这项功能只针对 EMR 5.7.0 之后的版本。

创建使用 HBase on S3 的 EMR 集群:

Java


aws emr create-cluster --termination-protected --applications Name=Hadoop Name=Hive Name=HBase Name=Spark Name=Phoenix --ec2-attributes '{"KeyName":""}' --release-label emr-5.7.0 --instance-groups '[{"InstanceCount":1,"InstanceGroupType":"MASTER","InstanceType":"m3.xlarge","Name":"Master - 1"},{"InstanceCount":20,"BidPrice":"0.15","InstanceGroupType":"CORE","InstanceType":"m3.2xlarge","Name":"Core - 2"}]' --configurations '[{"Classification":"emrfs-site","Properties":{"fs.s3.consistent.retryPeriodSeconds":"1","fs.s3.consistent":"true","fs.s3.consistent.retryCount":"5","fs.s3.consistent.metadata.tableName":"YOUR_CONSISTENT_VIEW_TABLE_NAME"},"Configurations":[]},{"Classification":"hbase","Properties":{"hbase.emr.storageMode":"s3","hbase.emr.readreplica.enabled":"true"},"Configurations":[]},{"Classification":"hbase-site","Properties":{"hbase.rootdir":"s3:///"},"Configurations":[]}]' --service-role EMR_DefaultRole --name 'HBase Read Replica'
复制代码


配置文件示例 JSON


Java


[    {       "Classification":"hbase-site",      "Properties":{          "hbase.rootdir":"s3://{S3_LOCATION}",      }   },   {       "Classification":"hbase",      "Properties":{          "hbase.emr.storageMode":"s3",         "hbase.emr.readreplica.enabled":"true"      }   }]
复制代码

向主集群添加数据

需要特别注意的是,在使用 HBase 读备份集群时,你必须要确保主集群上所有的写操作都被刷新到 S3 桶的 HFile 中。读备份集群会读取这些 HFile 中的数据,任何没有从 Memstore 刷新到 S3 的数据都不能通过读备份集群访问。为了确保读备份集群总是读到最新的数据,请参考以下步骤:


  • 写入数据到主集群(大批量写入请使用 Bulkload)

  • 确保数据被刷新到 S3 桶中(使用 Flush 命令)

  • 等待 region 分割以及合并操作完成以确保 HBase 表的元数据信息保持一致性状态

  • 如果任何 region 发生了分割、合并操作,或者表的元数据信息发生了变化(表的增加和删减),请在从集群上运行 refresh_meta 命令

  • 当 HBase 表发生更新操作后,请在从集群上运行 refresh_hfiles 命令

从备份集群读区数据

你可以像往常一样从备份集群检索任何数据。


从主集群读取数据的截图:



从备份集群读取数据的截图:



可以看出,两个集群返回了同样的数据。


保持备份集群和主集群的一致性


为了保持备份集群数据和主集群的一致性,请参考以下建议:


在备份集群上:


1.运行 refresh_hfiles 命令:


  • HBase 表中的数据发生变化时(增、删、改)


2.运行 refresh_meta:


  • Region 发生变化时(splits,compacts)或者集群中增加、删除了 HBase 表


在主集群上:


1.如果启用了 compaction,运行 compaction 命令以避免 Major Compation 被触发引起数据的不一致性。


相关的属性和命令:


HBase 属性:


        col 1             |  col 2  |                                         col 3                                        
复制代码


:-----------------------------:|:-------:|:-------------------------------------------------------------------------------------:


Config | Default | Ex planation


hbase.meta.table.suffix | “” | Adds a suffix to the meta table name: value=’test’ -> ‘hbase:meta_test’


hbase.global.readonly.enabled | False | Puts the entire cluster into read-only mode


Hbase.meta.startup.refresh | False | Syncs the meta table with the backing storage. Used to pick up new tables or regions.


如果 hbase.emr.readreplica.enabled 被设置为 true,那么上述属性会被自动设置好。


HBase 命令:


col 1col 2
CommandDescription
refresh_hfiles <TablenameRefreshes HFiles from disk. Used to pick up new edits on a read replica.
clear_block_cacheClears the cache for the specified table.
refresh_metaSyncs the meta table with the backing storage. Used to pick up new tables/regions.

总结

现在你可以为 HBase 建立高可用的读备份集群,通过它,在主集群发生异常情况时,你仍然可以获取稳定的数据查询服务。


作者介绍



刘磊,AWS 大数据顾问,曾供职于中国银联电子支付研究院,期间获得上海市科技进步一等奖,并申请 7 项国家发明专利。现任职于 AWS 中国专家服务团队,致力于为客户提供基于 AWS 服务的专业大数据解决方案、项目实施以及咨询服务。


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/build-a-hbase-read-backup-cluster-based-on-s3/


2019-11-11 08:00975

评论

发布
暂无评论
发现更多内容

智能客服"下半场":数据、技术与服务

百度大脑

人工智能

花了30天才肝出来,史上最全面Java设计模式总结,看完再也不会忘

Tom弹架构

Java 架构 设计模式

猫,量子力学,和手机人像摄影之变

脑极体

工具 | pg_recovery 设计原理与源码解读

RadonDB

数据库 postgresql 源码 RadonDB

为什么Git用SHA做版本控制,而非像SVN用int数字或者是时间戳

吴脑的键客

git 学习

单元测试再出发

FunTester

Java 单元测试 测试框架 spock Groovy

PingCode Wiki 协同编辑技术揭秘

PingCode研发中心

wiki PingCode

双非渣硕,在传统公司磨炼四年后成功拿到阿里offer!(附面经分享)

Geek_1df311

Java 程序员 架构 面试

为什么工业巨头们偏爱自建5G私有专网!

鸿天hente

这样准备面试定能轻松斩获offer!(内附精选java面试题与答案)

Geek_1df311

Java 程序员 架构 面试

超强实时跟踪系统首次开源!支持跨镜头、多类别、小目标跟踪!

百度开发者中心

AI 实时跟踪

完美!华为爆出Redis宝典,原来Redis性能可压榨到极致

热爱java的分享家

Java 面试 程序人生 编程语言 经验分享

IMS究竟有什么用?

鸿天hente

AI 收藏夹 Vol.002

Zilliz

WorkPlus协同办公系统的优势有哪些?

BeeWorks

掘金新大陆——最后一个十亿蓝海

水晶球“数据洞察”正式上线:洞悉用量趋势变化,觉察互动体验细节

声网

人工智能 水晶球 数据洞察

百度ERNIE新突破!登顶中文医疗信息处理权威榜单CBLUE冠军

科技热闻

限量!腾讯高工用4部分讲清楚了Spring全家桶+微服务

热爱java的分享家

Java 面试 程序人生 编程语言 经验分享

参赛必读!! 签约计划第二季考核要求

InfoQ写作社区官方

签约计划第二季 热门活动

淘特 Flutter 流式场景的深度优化

阿里巴巴终端技术

flutter ios android 移动应用 客户端开发

ExoPlayer播放在线TS文件无声音问题分析

Changing Lin

11月日更

献出我的膝盖!这份“基础-中级-高级”Java程序员面试集结,看完我是说直接跪了

热爱java的分享家

Java 架构 面试 程序人生 经验分享

Python代码阅读(第64篇):角度与弧度互转

Felix

Python 编程 Code 阅读代码 Python初学者

Go语言学习查缺补漏ing Day8

Regan Yue

Go 语言 11月日更

Apache ShardingSphere 5.0.0 内核优化及升级指南

SphereEx

数据库 开源 架构 ShardingSphere SphereEx

CSS布局(六)之居中布局

Augus

CSS 11月日更

直播带货软件原生开发直播带货小程序平台搭建

风行无疆

Js 异步处理演进,Callback=>Promise=>Observer

CRMEB

InfoQ 写作平台优质创作者签约计划第二季,我们来了!

InfoQ写作社区官方

签约计划第二季 热门活动

盲盒app源码开发盲盒小程序原生开发搭建

风行无疆

搭建基于S3的HBase读备份集群_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章