ข้อดี ข้อเสีย และปัญหาคอขวดของประสิทธิภาพ HBase

เอชเบสคืออะไร?

HBase เป็นฐานข้อมูล NoSQL แบบกระจายศูนย์และเน้นคอลัมน์แบบโอเพนซอร์ส ที่ทำงานบนระบบไฟล์แบบกระจายศูนย์ของ Hadoop (HDFS) โดยมีรูปแบบการทำงานคล้ายกับ... Google Bigtable เป็นโปรแกรมที่จัดเก็บข้อมูลในรูปแบบตารางซึ่งประกอบด้วยแถวและคอลัมน์ และได้รับการออกแบบมาสำหรับชุดข้อมูลที่มีความหนาแน่นต่ำ ซึ่งอาจมีขนาดใหญ่ถึงหลายพันล้านแถวและหลายล้านคอลัมน์

แตกต่างจากฐานข้อมูลเชิงสัมพันธ์ HBase ไม่ใช้สคีมาที่ตายตัวหรือมีตัวเพิ่มประสิทธิภาพการค้นหาข้อมูล แต่ละค่าจะถูกระบุด้วยคีย์แถว กลุ่มคอลัมน์ ตัวกำหนดคุณสมบัติคอลัมน์ และการประทับเวลา ซึ่งทำให้การอ่านและเขียนข้อมูลแบบสุ่มแบบเรียลไทม์ทำได้อย่างรวดเร็วแม้ในระดับข้อมูลมหาศาล

คลัสเตอร์ HBase อาศัยส่วนประกอบหลักไม่กี่อย่าง ได้แก่ HMaster ซึ่งทำหน้าที่ประสานงานคลัสเตอร์และกำหนดภูมิภาค Region Server ซึ่งทำหน้าที่จัดเก็บและให้บริการข้อมูลจริง และ Apache ZooKeeper tracตรวจสอบว่าเซิร์ฟเวอร์ใดทำงานอยู่และช่วยในการสลับการทำงานเมื่อเกิดข้อผิดพลาด เนื่องจาก HBase อยู่ภายในระบบนิเวศของ Hadoop จึงสามารถทำงานร่วมกับเครื่องมือต่างๆ เช่น แผนที่ลด, รังและ Pig สำหรับการวิเคราะห์แบบกลุ่ม สำหรับข้อมูลเชิงลึกเพิ่มเติมเกี่ยวกับกลไกภายใน โปรดดูที่ สถาปัตยกรรม HBase.

ข้อดีของ HBase

นี่คือประโยชน์หลักของการใช้ HBase:

• จัดเก็บชุดข้อมูลขนาดใหญ่มากไว้บน HDFS และสามารถรวบรวมและวิเคราะห์ข้อมูลหลายพันล้านแถวที่อยู่ในตาราง HBase ได้
• ฐานข้อมูลสามารถใช้งานร่วมกันได้ระหว่างไคลเอนต์หลายรายในสภาพแวดล้อมแบบกระจายศูนย์
• การอ่านและประมวลผลข้อมูลใช้เวลาน้อยกว่าเมื่อเทียบกับโมเดลเชิงสัมพันธ์แบบดั้งเดิม
• รองรับการอ่านและเขียนข้อมูลแบบสุ่มที่รวดเร็ว
• HBase ถูกนำไปใช้อย่างกว้างขวางสำหรับการดำเนินการวิเคราะห์ออนไลน์
• ในแอปพลิเคชันด้านการธนาคาร เช่น การอัปเดตยอดคงเหลือแบบเรียลไทม์สำหรับตู้เอทีเอ็ม HBase สามารถจัดการการอ่านและการเขียนข้อมูลปริมาณมากได้อย่างน่าเชื่อถือ

ข้อเสียของ HBase

ต่อไปนี้คือข้อจำกัดที่สำคัญของ HBase:

• HBase ไม่ใช่สิ่งที่จะมาทดแทนโมเดลเชิงสัมพันธ์แบบดั้งเดิมได้อย่างสมบูรณ์ เนื่องจากฟีเจอร์บางอย่างของโมเดลเชิงสัมพันธ์ไม่ได้รับการสนับสนุนใน HBase
• HBase ไม่สามารถดำเนินการฟังก์ชันต่างๆ เช่น... SQLมันไม่รองรับโครงสร้าง SQL ดังนั้นจึงไม่มีตัวเพิ่มประสิทธิภาพการค้นหา (query optimizer)
• HBase ใช้ทรัพยากร CPU และหน่วยความจำสูงในการเข้าถึงข้อมูลแบบลำดับขนาดใหญ่ ในขณะที่งาน MapReduce ส่วนใหญ่จำกัดด้วยการรับส่งข้อมูล (I/O) โดยใช้หน่วยความจำคงที่ การผสานรวม HBase กับงาน MapReduce อาจทำให้เกิดความหน่วงที่ไม่สามารถคาดเดาได้
• การผสานรวม HBase กับ Pig และ Hive อาจทำให้เกิดปัญหาเกี่ยวกับหน่วยความจำในคลัสเตอร์ได้ในบางครั้ง
• ในสภาพแวดล้อมคลัสเตอร์แบบใช้ร่วมกัน การตั้งค่าจะต้องการช่องงานต่อโหนดน้อยลง เพื่อจัดสรรให้กับความต้องการ CPU ของ HBase

คอขวดประสิทธิภาพใน HBase

HBase ให้ประสิทธิภาพการทำงานที่ปรับขนาดได้ แต่ตัวเลือกทางสถาปัตยกรรมหลายอย่างทำให้เกิดปัญหาคอขวดด้านประสิทธิภาพ ซึ่งทีมควรวางแผนรับมือไว้ล่วงหน้า:

ในสภาพแวดล้อมการผลิตขนาดใหญ่ คลัสเตอร์ HBase อาจทำงานบนโหนดนับพัน แต่มีเพียง HMaster เท่านั้นที่ทำหน้าที่เป็นมาสเตอร์สำหรับ Region Server ที่เป็นสเลฟทั้งหมด หาก HMaster ล่ม การกู้คืนอาจใช้เวลานาน แม้ว่าไคลเอ็นต์อาจยังคงเข้าถึง Region Server ได้ก็ตาม การใช้งานมาสเตอร์สำรองนั้นเป็นไปได้ แต่จะมี HMaster เพียงตัวเดียวที่ทำงานอยู่ ณ ขณะเดียว และการเลื่อนระดับ HMaster ตัวที่สองหลังจากความล้มเหลวจะไม่เกิดขึ้นทันที ด้วยเหตุนี้ HMaster จึงเป็นคอขวดด้านประสิทธิภาพที่ได้รับการยอมรับ

HBase ไม่รองรับการดำเนินการเชื่อมตารางหรือการรวมตารางโดยตรง การเชื่อมตารางสามารถทำได้ด้วย MapReduce แต่จะทำให้เสียเวลาในการออกแบบและพัฒนาอย่างมาก และการเชื่อมตารางบางประเภทก็ไม่สามารถทำได้จริงใน HBase

การย้ายข้อมูลจากระบบจัดการฐานข้อมูลเชิงสัมพันธ์ภายนอก (RDBMS) เข้าสู่ HBase มักต้องมีการออกแบบโครงสร้างข้อมูลใหม่ และกระบวนการย้ายข้อมูลนั้นอาจใช้เวลานาน นอกจากนี้ การสืบค้นข้อมูลก็ทำได้ยาก ทีมวิจัยหลายทีมจึงเพิ่มเลเยอร์ SQL เช่น Apache Phoenix ไว้บน HBase เพื่อให้สามารถสืบค้นข้อมูลได้ อ่านและเขียนข้อมูล ด้วยคำถามที่คุ้นเคย

HBase รองรับดัชนีเพียงตัวเดียวเท่านั้น โดยใช้คีย์แถวเป็นคีย์หลัก ดังนั้นการค้นหาในฟิลด์อื่น ๆ จึงช้า ทีมวิจัยจึงแก้ปัญหานี้ด้วยการเขียนโค้ด MapReduce หรือผสานรวม Apache เข้ามาใช้งาน Solr และใช้ Apache Phoenix สำหรับการจัดทำดัชนีขั้นที่สอง

• การควบคุมความปลอดภัยสำหรับการเข้าถึงข้อมูลของผู้ใช้หลายคนนั้นได้รับการพัฒนาอย่างช้าๆ เท่านั้น
• HBase ไม่รองรับคีย์บางส่วนอย่างสมบูรณ์
• อนุญาตให้ใช้ลำดับการจัดเรียงเริ่มต้นเพียงลำดับเดียวต่อตารางเท่านั้น
• การจัดเก็บไฟล์ไบนารีขนาดใหญ่ใน HBase นั้นทำได้ยาก
• พื้นที่จัดเก็บข้อมูลของ HBase มีข้อจำกัดในการค้นหาข้อมูลและการเรียงลำดับแบบเรียลไทม์
• การค้นหาด้วยคีย์และการค้นหาแบบช่วงในเนื้อหาของตารางอาจจำกัดการทำงานของคำสั่งค้นหาที่ต้องทำงานแบบเรียลไทม์
• ระบบไม่ได้สร้างดัชนีเริ่มต้นไว้ โปรแกรมเมอร์ต้องเขียนโค้ดหรือสคริปต์เพิ่มเติมเพื่อเพิ่มการสร้างดัชนี
• ข้อกำหนดด้านฮาร์ดแวร์และการจัดสรรบล็อกหน่วยความจำทำให้การใช้งาน HBase มีค่าใช้จ่ายสูง
• คลัสเตอร์แบบกระจายต้องใช้เซิร์ฟเวอร์จำนวนมาก โดยมีโหนดแยกต่างหากสำหรับ NameNode, DataNode, ZooKeeper และ Region Server
• เครื่องที่มีหน่วยความจำสูงเป็นสิ่งจำเป็นสำหรับประสิทธิภาพที่ดี
• โดยรวมแล้ว ต้นทุนและการบำรุงรักษาจะสูงกว่าทางเลือกที่เรียบง่ายกว่า

HBase เทียบกับ RDBMS

บทความนี้เปรียบเทียบ HBase กับฐานข้อมูลเชิงสัมพันธ์แบบดั้งเดิมซ้ำแล้วซ้ำเล่า ตารางด้านล่างนี้สรุปความแตกต่างหลัก ๆ เพื่อให้คุณสามารถตัดสินใจได้ว่าโมเดลใดเหมาะสมกับปริมาณงานของคุณ:

โดยสรุป HBase เน้นเรื่องขนาดและความสามารถในการเข้าถึงข้อมูลแบบเรียลไทม์ ในขณะที่ RDBMS เน้นเรื่องการสืบค้นข้อมูลที่หลากหลายและความสอดคล้องของข้อมูลที่แข็งแกร่ง เลือกใช้ HBase เมื่อปริมาณข้อมูลและอัตราการเขียนข้อมูลเพิ่มขึ้นจนเกินกว่าที่ฐานข้อมูลเชิงสัมพันธ์จะรองรับได้อย่างสะดวกสบาย

คำถามที่พบบ่อย