# 背景## **HDFS** **简介**HDFS 全名 Hadoop Distributed File System,是业界使用最广泛的开源分布式文件系统。原理和架构与 Google 的 GFS 基本一致。它的特点主要有以下几项:- 和本地文件系统一样的目录... 数据量来说,HDFS 平台在公司内部已经成长为总数十万台级别服务器的大平台,支持了 10 EB 级别的数据量。**当前在字节跳动,** **HDFS** **承载的主要业务如下:**- Hive,HBase,日志服务,Kafka 数据存储 - Yar...
> 本文结构采用宏观着眼,微观入手,从整体到细节的方式剖析 Hive SQL 底层原理。第一节先介绍 Hive 底层的整体执行流程,然后第二节介绍执行流程中的 SQL 编译成 MapReduce 的过程,第三节剖析 SQL 编译成 MapReduce 的具体实现原理。### 一、HiveHive是什么?Hive 是数据仓库工具,再具体点就是一个 SQL 解析引擎,因为它即不负责存储数据,也不负责计算数据,只负责解析 SQL,记录元数据。Hive直接访问存储在 HDFS 中或者 HBase ...
原理和架构与 Google 的 GFS 基本一致。它的特点主要有以下几项:* 和本地文件系统一样的目录树视图* Append Only 的写入(不支持随机写)* 顺序和随机读* 超大数据规模* 易扩展,容错率高**HDF... HBase,日志服务,Kafka 数据存储* Yarn,Flink 的计算框架平台数据* Spark,MapReduce 的计算相关数据存储**02****字节跳动特色的 HDFS 架构**在深入相关的技术细节之前,我...
在没有使用数据湖之前,用户做离线特征调研之前需要复制样本,修改并另存一份。其中消耗了巨大的计算和存储资源,伴随样本量的增大,这样的方案将消耗数个 EB 的存储,使得迭代变得不可能。我们基于 Hudi 实现了 ColumnFamily 的能力。这个方案受到了经典 BigTable 存储 Apache HBase 的启发,将 IO pattern 不同的数据使用不同的文件进行存储,以减少不必要的读写放大。原理是将同一个 FileGroup 的不同列数据存储在不同的文件中,在读...
且已开通容量型存储,详情请参见开通容量型存储。 已连接 HBase 实例: 通过 HBase Shell 连接实例,详情请参见使用 HBase Shell 连接实例。 通过 Java API 连接实例,详情请参见使用 Java API 连接实例。 设置冷热分离时间分界点通过调整 COLD_BOUNDARY 来设置冷热分离时间分界点,单位为秒(s),取值如下所示: 取值大于 0,表示将该时间点之前的数据存储至冷存储中。例如,设置为 86400 秒(24 小时),表示 24 小时前写入的数据会被自...
本文介绍表格数据库 HBase 版的实例规格和性能。 计算规格说明 表格数据库 HBase 版计算规格包括 Master 和 Region Server 节点的规格。 仅 Master 节点支持 2 核 4GiB(hbase.x1.medium)规格。 仅 Region Server 节... 存储价格比 SSD 盘便宜,适用于需要存储大量数据以及对性价比要求较高的场景。 SSD 文件存储 SSD 盘读写速度快、时延低,适用于需要频繁读写以及对性能要求较高的场景。 容量型存储 容量型存储可作为冷数据存储介质,...
HBase 连接器提供了对分布式 HBase 数据库表的读写数据能力,支持做数据源表、结果表和维表。 使用限制Flink 目前提供了 HBase-1.4 和 HBase-2.2 两种连接器,请根据实际情况选择: 在 Flink 1.11-volcano 引擎版本中仅支持使用 HBase-1.4 连接器。 在 Flink 1.16-volcano 引擎版本中支持使用 HBase-1.4 和 HBase-2.2 两种连接器。 注意事项在公网环境中连接火山 HBase 时,您需要添加以下两个参数: 'properties.zookeeper.znode.me...
表格数据库 HBase 版进行云资源管理的基本单位。实例的规格(如 CPU 核数、内存大小等)不同,性能也不同。HBase 实例规格的更多信息,请参见实例规格。 Master 节点(Master Node) Master 节点上会部署 HBase 的 HMaster,HMaster 负责管理和协调 HRegionServer,以及管理表的增删改查操作。每个 HBase 实例默认创建 2 个 Master 节点(主备)。 Region Server 节点(Region Server Node) Region Server 节点负责存放和管理 HRegion,以及...
您可以根据业务量变动,灵活变更 HBase 实例的配置,包括水平扩容(即增加节点数)和垂直扩缩容(即升降节点规格)。 变配方案HBase 实例支持变更的配置项如下表。 变更类型 变更说明 变更影响 升配 Master 支持升级节... 存储空间上限为 20000GiB,步长为 10GiB。您可以提交工单联系技术支持提高上限。 无 容量型存储空间 支持扩容容量型存储空间。 说明 为实例选购了容量型存储后,才可以进行配置,容量型存储可作为冷数据使用,详情...
# 背景## **HDFS** **简介**HDFS 全名 Hadoop Distributed File System,是业界使用最广泛的开源分布式文件系统。原理和架构与 Google 的 GFS 基本一致。它的特点主要有以下几项:- 和本地文件系统一样的目录... 数据量来说,HDFS 平台在公司内部已经成长为总数十万台级别服务器的大平台,支持了 10 EB 级别的数据量。**当前在字节跳动,** **HDFS** **承载的主要业务如下:**- Hive,HBase,日志服务,Kafka 数据存储 - Yar...
为提高存储效率,降低存储成本,表格数据库 HBase 版提供字典压缩功能。本文介绍如何开启字典压缩功能。 功能介绍字典压缩(ZSTD_DICT)是 HBase 深度优化的压缩算法,在 ZSTD 压缩算法的基础上进行了字典采样的优化,能够进一步压缩存储空间,数据压缩比可高达 10:1 以上。经实际测试,当开启字典压缩功能后,数据量明显减少,不同压缩算法的对比结果如下: 车联网数据 数据类型 原始数据 ZSTD 字典压缩 Snappy LZ4 车联网数据 9.7GB 722MB...
为提高实例的稳定性和安全性,表格数据库 HBase 版实例在使用过程中存在部分限制,详细信息如下所示。 约束项 使用约束 数据面 表格数据库 HBase 版默认每个 Cell 的最大数据量不能超过 10MB。 说明 Cell 指 rowKey + Value 所有序列化后的长度值。 连接地址 HBase 提供 ZK 连接地址和 Thrift2 连接地址访问实例,详细信息请参见连接地址介绍。 存储空间 每个实例默认支持的存储空间上限为 20,000GiB,若想要提高上限,您可以提交工...
false:不开通容量型存储。 说明 容量型存储的详细介绍,请参见冷热分离介绍。 ColdStorage Integer 否 800 设置容量型存储空间大小,取值范围:800GiB~1,000,000GiB,步长为 10GiB。 说明 当 EnableCloudStorage 取值为 true 时,该参数必填。 ChargeType String 是 PostPaid 实例计费类型。取值: PostPaid:按量计费。 PrePaid:包年包月。 EngineVersion String 是 HBase_2.0 HBase 数据库引擎版本。当前仅支持 HBase 2...