林昊谈 HBase 技术在淘宝中的应用

  • 霍泰稳

2011 年 7 月 10 日

话题:Java架构FacebookDevOps大数据语言 & 开发AI

在 7 月 9 日~10 召开的淘宝技术嘉年华期间,InfoQ 编辑有幸采访到淘宝数据平台开发团队的技术专家林昊(新浪微博@bluedavy),和他就 HBase 的特性,HBase 在淘宝中的应用,目前数据领域大家讨论的焦点和发展趋势进行了探讨。

InfoQ:HBase 主要有哪些特性,是什么让它备受推崇,让 Facebook 也采用它?

林昊:Facebook 是 Cassandra 的发起者,他们就想在自己的 Message 体系里面应用它,但是研究之后发现,Cassandra 的弱一致性会让它的 Message 体系在应用层上做很多的改造,它觉得付出的成本太大了,所以后来就选择测试了一下 HBase。发现 HBase 的强一致性给他们带来很多的便利,因为 HBase 只需要增加新的机器就可以增加写的吞吐量,对于他们的场景来说会非常的适合的。这也促使它们最终决定采用 HBase。

InfoQ:目前 HBase 主要帮助淘宝解决了哪些主要的问题?

林昊:其实对于很多互联网公司来说,他们对关系型数据库要求并不是那么高,比如 Join、报表的事务等,如果抛弃掉这些特性的话,换成 NoSQL,我们发现整个存储结构会很简单,读写的性能也会好很多。这一点对于我们来说还是很有吸引力的,否则随着数据量的增长,我们不得不疲于奔命去做分库分表等。

举几个简单的场景来说明一下吧。虽然我们现在基于 HBase 上线的产品还不是很多,但是很快大家用到的许多功能都会用到 HBase,比如现在用户经常去淘宝上查看已经买到的宝贝,或者去查过去三个月里自己买了多少东西等。还有就是以后淘宝用户每登录一次,系统都会自动跟踪你的行为,并做出分析,以便更好地为用户服务,这些数据也会被存储到 HBase 里面做实时的分析。包括广告的分析,也会基于 HBase 来做。

InfoQ:在你们使用 HBase 的过程中,遇到了哪些挑战?

林昊:对于我们来说,主要是 HBase 对于很多 Online 的场景支持的不够,比如 Online 项目通常会需要一些查询条件,对于我们来讲会有一些痛苦,所以我们就尝试使用 HBase 的一些三维有序存储来解决这类问题,从现在的测试结果来看还可以。另外就是 Namenode 的单点方案也不是很好用,因为一旦这个点出问题,整个系统可能都会有问题。所以我们现在有成员也在做 Namenode 的多点方案。除此之外,HBase 给运维也带来一些挑战。

InfoQ:如果有其他团队采用 HBase 技术,你会提供什么建议?

林昊:其实现在使用 HBase 的话,对应用层要求还是挺高的,所以如果需要采用 HBase 的话,还是建议要多了解一下 HBase 的特性,比如你的 Row Key 设计要很合理。如果你要做二级索引的话,在应用层也要做一些相应的工作,需要知道 HBase 是三维有序存储的。

InfoQ:根据你的了解,目前在数据领域大家讨论的焦点和趋势是什么?

林昊:其实随着互联网公司发展的年数越来越多,上网的用户也越来越多,最终一定会使数据量会越来越大。对于淘宝来说也是这样,随着数据量的增大,我们的数据存储成本也越来越高,我们会考虑一些简单的方案,更低成本的方案来解决。另外搜索也是很重要的,因为我们要从这么大的数据量里面很快地搜索出我们需要的东西。以前我们可能会用数据库来解决,但随着量越来越大,方案会越来越复杂,最终可能会造成存储和检索会非常的热。

其实从今年也可以看得出,NoSQL 的很多产品还是为了解决海量数据的问题。另外就是分析的问题是一直就存在的,现在的分析基本还是基于 Hadoop、MapReduce 的思想来做,后面的话可能更多地是离线的分析。但是对于实时的分析要求也很高,比如让推荐变成实时,效果会好很多。所以我认为,分析也会是一个大家热衷讨论的话题。

除了上面谈到的这些问题,InfoQ 还就淘宝在使用 HBase 技术之前所作的调研,对 HBase 的性能测试结果,HBase 需要改进的地方等和林昊进行了深入探讨,在 InfoQ 随后发布的视频文件中会包括这些问题。另外在本次的淘宝技术嘉年华上,InfoQ 还就 HTML5、移动开发、测试、海量数据架构、交互设计等话题采访了相关的专家,并录制了部分演讲视频,整理好后都会发布在 InfoQ 网站上,请大家保持对 InfoQ 的关注,或者关注 InfoQ 新浪微博(@InfoQ),第一时间了解这些内容的发布情况。

Java架构FacebookDevOps大数据语言 & 开发AI