GaussDB(for Redis)揭秘第9期：与HBase的对比

0.  引言

HBase是一个分布式的、面向列的开源数据库，基于Hadoop生态圈，在NoSQL蓬勃发展的今天被国内外众多公司选择，应用于现代互联网系统的不同业务。本文简要描述了HBase的基本架构和使用场景，重点分析了HBase关键特性在此场景下的表现，以及HBase在使用上尚存的痛点；同时介绍了华为自研的强一致、持久化 NoSQL数据库GaussDB(for Redis)（下文简称高斯Redis）在以上场景中的表现，以及对于HBase痛点问题的改善。

1.  HBase系统简述

HBase的物理结构主要包括ZooKeeper、 HMaster、 RegionServer、HDFS 等组件。 ZooKeeper 用以实现 HMaster 的高可用、 RegionServer 的监控、元数据的入口以及集群配置的维护等工作。HMaster的作用是维护整个集群的Region信息，处理元数据变更及负载均衡工作。RegionServer是直接处理用户读写请求的节点，实际处理所分配Region的读写、分裂等工作，并使用WAL实现容错机制。HDFS提供最终的底层数据存储服务，提供元数据和表数据的底层分布式存储服务，同时利用数据多副本，保证的高可靠和高可用性。

在逻辑结构中，RowKey是表的主键，并按照字典序进行排列，HRegion 达到一定大小后也会按照 RowKey 范围进行裂变。ColumnFamily在纵向上对表进行切分，将多个Column分成一组进行管理，在HBase中，ColumnFamily是表的schema而Column不是。Cell则是保存的具体value，在HBase中，所有的数据都是以字节码的方式进行存储。

2. HBase大显身手

2.1标签数据的存储

标签数据是稀疏矩阵的代表，描述了实体的各类属性，主要应用于智能推荐、商务智能或营销引擎等领域。

三个不同的用户在同一公司旗下的不同APP中留下了大量的行为数据，这些数据中包含了直接填写的用户资料、使用APP的具体行为以及领域专家对某些现象的标记，通过后台的标签算法可以得到这样的数据：

我们能发现，对用户行为采集存在局限性，因此所能得到的标签种类各不相同，表中大量的数据项只能被置空，也就是所谓的稀疏矩阵。而且随着用户更深度的使用APP，可以预见到，对用户感兴趣领域/不感兴趣领域会逐渐被发掘，那么表的列也会随之增加。

这样的特点对于MySQL是灾难性的，这是因为在MySQL建表时就必须定义表结构，属性的动态增删是巨大的工作量，同时大量NULL值的存储会导致存储成本变得难以接受。但是使用HBase存储时，未指定value的列不会占用任何的存储空间，因而可以将有限的资源高效利用，且HBase表在创建时只需指定ColumnFamily，而对于Column的增删极为容易，有利于应对未来属性的扩张。

2.2 车联网数据的收集

车联网系统是利用车载设备收集车辆运行时产生的各项数据，通过网络实时上传，在平台进行动态分析和利用。

我们可以发现，车联网系统所面对的数据特点是大量车辆终端高并发的不间断写入TB级甚至PB级的数据，而且对于实时分析来说，为了保证分析结果的时效性，又要求查询的低时延响应。

HBase采用LSM存储模型，可以从容应对高并发写入的场景，同时也能保证读时延在可接受的范围内。同时HBase具有良好的水平扩展能力。通过增减RegionServer来实现对存储容量动态调整，满足对使用成本的要求。

2.3 交易记录的保存

在移动支付领域，保证历史交易记录等敏感信息的安全性是一个重要的话题。当数据中心遭遇自然灾害、外部攻击时，必须保证这些信息不丢，而且从业务角度要保证RTO尽可能短、RPO尽可能为0。

HBase基于底层的HDFS作为存储系统，HDFS实现了三副本策略，按照一定的规则将副本放在不同的节点或机架中，本身具有较高的容灾能力。在工程实践中，也产生了Region replica、主备集群、互备双活等策略来尽可能进行灾备并保证高可用。

3. HBase并不全能

从上文三个例子可以看出，HBase基于其本身的设计，在稀疏矩阵的存储、抗高并发大流量写入、高可用和高可靠场景下表现得相当优秀，但这并不意味着HBase可以没有任何弱点的适应所有场景。

3.1HBase的阿克琉斯之踵

1. 朱丽叶暂停

Java系统绕不开Full GC的讨论。HBase在Full GC造成STW时，ZooKeeper将收不到来自RegionServer的心跳，进而将此节点判定为宕机，由其他节点接管数据，当Full GC结束后，RegionServer为防止脑裂而主动自杀，称之为朱丽叶暂停。这类问题一般需要资深的java程序员根据业务场景进行细致的GC策略调优才能尽可能避免。

2. 数据类型少

HBase支持存储的类型是字节数组，在使用中需要将字符串、复杂对象、甚至图像等数据转化为字节数组进行存储。但是这样的存储只能表示松散的数据关系，对于集合、队列、Map等数据结构或数据关系，则需要开发人员编码实现转换逻辑才能进行存储，灵活性较差。

3. 性能之瓶颈

HBase是按照RowKey的字典序分割为Region进行存储的，不佳的RowKey设计方案会造成负载不均，请求大量打到某一个Region形成热点，那么所在RegionServer的IO有可能被打爆。

RegionServer掉线后，需要由ZooKeeper发现节点宕机，将其负责的数据移动到其他节点接管，并对meta表中的Region信息进行修改。在此过程中，RegionServer上的数据将变得不可用，对于这部分数据的请求会被阻塞。

3.2 Redis的伊卡洛斯之翼

3.2.1 开源Redis的良好表现

开源Redis的特性在一定程度上解决了HBase的痛点问题，因其具有以下优点：

1. 更丰富的数据类型

Redis 5.0协议中包含了String、List、Set、ZSet、Hash、Bit Array、HyperLogLog、Geospatial Index、Streams九种数据类型，以及建立在这些数据类型上的相关操作。与HBase的单一数据类型相比，Redis给了开发人员更多的选择空间来表达数据和数据间的相互关系。

2. 纯内存的丝滑感受

开源Redis的本质是一个key-value类型的内存数据库，整个数据库都加载在内存中进行操作。这也就意味着Redis的响应速度和处理能力远超过需要进行磁盘IO的HBase，目前大量的测试结果都表明，开源Redis的性能可以达到每秒10万次读写。

3.2.2 开源Redis的显著弱点

纯内存的操作也使得开源Redis有无法避免的弱点，主要体现在以下两方面：

1. 大数据量下的噩梦

当数据量持续增大时，有限的内存成为使用限制。此时必须使用更大容量的内存才能完成数据的全量加载，而内存价格远高于磁盘价格，会导致使用成本的激增。同时常见的服务器内存多是GB级，也严重限制了开源Redis在高量级数据库领域的竞争力。

2. 断电后该何去何从

纯内存操作的另一弊端是宕机后数据会全部丢失。现有的解决方案是使用AOF或RDB的方式将数据持久化，进程重启后可以在内存中将数据恢复。但这两种方式并不完备，AOF是执行命令的集合，因此恢复速度相对较慢；RDB是定期dump内存数据，因此存在数据丢失的风险。除此之外，在最坏场景下需要预留一半内存，降低了内存的使用率。

4. 高斯Redis：成年人不做选择题

HBase和开源Redis各有所长，这时一句熟悉的话在脑海中浮现：小孩子才做选择题，成年人当然是全都要，高斯Redis的兼具二者优点，更好的满足了对数据库服务的需求。

· 兼容Redis5.0协议

延续开源Redis的丰富数据类型，为描述数据和数据关系提供更多选择。例如在稀疏矩阵场景使用Hash类型，甚至无需定义HBase表ColumnFamily，可以更灵活的进行数据组织。

· 性能追平开源Redis

· 更高的灾备可靠性

高斯Redis基于华为自研的分布式、强一致数据湖DFV构建的存储层，在部分局点的已经上线了3AZ特性，AZ间做到风火水电的物理隔离，一个AZ的故障不会影响到其他AZ，与HBase相比更好保证了关键数据的可靠性。

· 秒级弹性伸缩

高斯Redis使用存算分离架构，数据下沉至存储池，计算节点扩缩容仅修改映射无需搬迁数据，实现秒级平滑伸缩，不存在HBase在Region上下线时出现的数据不可用问题。

· 低成本海量持久化存储

全量数据经过逻辑和物理压缩，将落入共享存储池DFV持久化存储，无宕机数据丢失问题，每GB的综合成本不到开源Redis的十分之一。实际应用中可根据业务需要随时对DFV容量进行扩容，不存在开源Redis存储受限的问题。

· 自动化监控运维等其他优势

高斯Redis配套全面的监控系统可对请求时延等关键性能指标可视化监控，同时可实现故障节点自动摘除、平滑移动、自动告警、自动恢复。此外，高斯Redis利用hash策略对数据进行均衡，与HBase相比更好的避免了热点问题，而且不存在Full GC烦恼。

5. 结语

高斯Redis在兼容Redis5.0协议的基础上，兼具开源Redis和HBase各自优点，结合华为自研DFV存储的相关特性，规避HBase和开源Redis在典型场景下的弱点，提供成本更低、性能更好、灵活性更强的数据库服务。

6. 附录

本文作者：GaussDB(for Redis)团队

杭州西安深圳简历投递：yuwenlong4@huawei.com