爬虫场景,可以使用TiDB替代HBase吗?

2024-06-08 19:32

本文主要是介绍爬虫场景,可以使用TiDB替代HBase吗?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

爬虫场景是典型的写多读少,咱们先看看HBase和TiDB的架构,再做进一步判断。

一、 HBase主要分为Master Server,region Server的主服务,以及需要HDFS,ZooKeeper的支撑服务。
(1)Master Server用于协调Region Server,而Region Server对外提供自身大量Region单元和wals的读写访问,以及对Region的维护。一个region单元又对memstore,storefile的内存和磁盘中数据实现读写和数据结构维护。
(2)Region Server作为Hadoop HDFS的客户端,将写入自身的WAL HLog文件和HStore的 HFile文件保存在HDFS仓库中,并随时应用于查找。

HBase的主要优势就在两层:

第一层优势:Region可以不断被拆分,由master将其分配到不同Region Server上,形成均匀的数据分布,Region本质就是对HBase table的一个列簇进行分裂,可以类比成传统数据库的分表,那么再大的列族也会按照行键进行Region分裂,并分布在不同的服务节点上,这样就可以通过集群提升整体数据的读写性能。

第二层优势更为关键,Region实际上是个LSM-Tree的超大数据结构,也就是从客户端写进一个Region Server数据,会不经历任何特殊转换过程,也不经历任何分布式联合过程,数据直接进入Region的LSM-Tree,这点就与tidb大为不同,TiDB从客户端到最终写入要经历复杂的SQL语义转换和多节点协作。

HBase批次的写入都会现在LSM-Tree的Memestore中缓冲,大概128m就进行一次Flush,那么每次读取的过程又可以先从Memestore中查找,没有的情况再从Blockcache中查找,仍然没有才会在hfile中做类b树的查找和扫描。

这就极为突出写入过程中的巨大性能优势,而且对最近写入数据和经常访问数据,提供了更快的查找策略。这些特点都非常适合爬虫,爬虫首先就是并行,更迅速地抓取和写入,然后再配合spark做实时清洗,形成统计表或图处理。列族又能根据不同网站特征,增加无数种不同特征的字段类型,并形成超大稀疏表。

二、我们再反观TiDB,尽管集群中的tikv部分选择了Rockesdb,也是LSM-Tree结构,但这只是TiDB很小的一部分,TiDB的关键目的不是完成海量数据的写入,实时流处理和联机分析,它的关键目的在于分布式的环境下实现在线事务处理,为了达到这个目的它有前置集群TiDB来解决SQL的解析,优化和分布式事务,它有调度集群pd,实现对不同tikv节点的协调调度,它有tikv集群通过raft算法实现分布式数据访问的一致性操作,因此TiDB的主战场是联机事务场景,而它的次级战场才是因为其具有分布式kv特征的联机分析场景。

理解其架构特点,我想你就一定会明白,爬虫的业务场景更符合HBase的架构特长,大量采集数据的高性能写入和实时清洗以及借助HDFS的海量存储,并实现离线分析OLAP;

而对于TiDB强在对上层实时业务的SQL读写访问支撑,数据更新在分布式场景下的强一致性和事务处理能力,因此还是应该把它的重心放在分布式的OLTP应用上,同时可以兼备轻型OLAP的混合分析能力。

守护石 「技术创作」
关注领域:大数据技术、分布式架构 | 技术管理

这篇关于爬虫场景,可以使用TiDB替代HBase吗?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1043102

相关文章

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤