【HBase】——原理简介

1 Master

1.1 Meta 表

1. 全称 hbase：meta，只是在 list 命令中被过滤掉了，本质上和 HBase 的其他表格一样。
2. RowKey：([table],[region start key],[region id]) 即 表名，region 起始位置和 regionID。
3. 列： • info：regioninfo 为 region 信息，存储一个 HRegionInfo 对象。 • info：server 当前 region 所处的 RegionServer 信息，包含端口号。 • info：serverstartcode 当前 region 被分到 RegionServer 的起始时间。 • 如果一个表处于切分的过程中，即 region 切分，还会多出两列 info：splitA 和 info：splitB， 存储值也是 HRegionInfo 对象，拆分结束后，删除这两列。 注意：   在客户端对元数据进行操作的时候才会连接 master，如果对数据进行读写，直接连接 zookeeper 读取目录/hbase/meta-region-server 节点信息，会记录 meta 表格的位置。直接读 取即可，不需要访问 master，这样可以减轻 master 的压力，相当于 master 专注 meta 表的 写操作，客户端可直接读取 meta 表。   在 HBase 的 2.3 版本更新了一种新模式：Master Registry。客户端可以访问 master 来读取 meta 表信息。加大了 master 的压力，减轻了 zookeeper 的压力。

2 RegionServer

2.1 Memstore

  写缓存，由于 HFile 中的数据要求是有序的，所以数据是先存储在 MemStore 中，排好 序后，等到达刷写时机才会刷写到 HFile，每次刷写都会形成一个新的 HFile，写入到对应的 文件夹 store 中。

2.2 WAL

  由于数据要经 MemStore 排序后才能刷写到 HFile，但把数据保存在内存中会有很高的 概率导致数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件 中，然后再写入 MemStore 中。所以在系统出现故障的时候，数据可以通过这个日志文件重 建。

2.3 BlockCache

读缓存，每次查询出的数据会缓存在 BlockCache 中，方便下次查询。

3 写流程

写流程顺序正如 API 编写顺序，首先创建 HBase 的重量级连接

1. 首先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server；
2. 访问对应的 Region Server，获取 hbase:meta 表，将其缓存到连接中，作为连接属性 MetaCache，由于 Meta 表格具有一定的数据量，导致了创建连接比较慢；之后使用创建的连接获取 Table，这是一个轻量级的连接，只有在第一次创建的时候会检查表格是否存在访问 RegionServer，之后在获取 Table 时不会访问 RegionServer；
3. 调用Table的put方法写入数据，此时还需要解析RowKey，对照缓存的MetaCache，查看具体写入的位置有哪个 RegionServer；
4. 将数据顺序写入（追加）到 WAL，此处写入是直接落盘的，并设置专门的线程控制 WAL 预写日志的滚动（类似 Flume）；
5. 根据写入命令的 RowKey 和 ColumnFamily 查看具体写入到哪个 MemStore，并且在 MemStore 中排序；
6. 向客户端发送 ack；
7. 等达到 MemStore 的刷写时机后，将数据刷写到对应的 store 中。

4 MemStore Flush

MemStore 刷写由多个线程控制，条件互相独立：
主要的刷写规则是控制刷写文件的大小，在每一个刷写线程中都会进行监控

1. 当某个 memstroe 的大小达到了 hbase.hregion.memstore.flush.size（默认值 128M）， 其所在 region 的所有 memstore 都会刷写。当 memstore 的大小达到了 hbase.hregion.memstore.flush.size（默认值 128M） * hbase.hregion.memstore.block.multiplier（默认值 4） 时，会刷写同时阻止继续往该 memstore 写数据（由于线程监控是周期性的，所有有可能面 对数据洪峰，尽管可能性比较小）
2. 由 HRegionServer 中的属性 MemStoreFlusher 内部线程 FlushHandler 控制。标准为 LOWER_MARK（低水位线）和 HIGH_MARK（高水位线），意义在于避免写缓存使用过多的内存造成 OOM。 • 当 region server 中 memstore 的总大小达到低水位线 java_heapsize *hbase.regionserver.global.memstore.size（默认值 0.4） *hbase.regionserver.global.memstore.size.lower.limit（默认值 0.95）， region 会按照其所有 memstore 的大小顺序（由大到小）依次进行刷写。直到 region server 中所有 memstore 的总大小减小到上述值以下。 • 当 region server 中 memstore 的总大小达到高水位线 java_heapsize *hbase.regionserver.global.memstore.size（默认值 0.4） 时，会同时阻止继续往所有的 memstore 写数据。
3. 为了避免数据过长时间处于内存之中，到达自动刷写的时间，也会触发 memstore flush。由 HRegionServer 的属性 PeriodicMemStoreFlusher 控制进行，由于重要性比较低，5min才会执行一次。 自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval（默认 1 小时）。
4. 当 WAL 文件的数量超过 hbase.regionserver.max.logs，region 会按照时间顺序依次 进行刷写，直到 WAL 文件数量减小到 hbase.regionserver.max.log 以下（该属性名已经废弃， 现无需手动设置，最大值为 32）。

5 读流程

5.1 HFile结构

  在了解读流程之前，需要先知道读取的数据是什么样子的。
  HFile 是存储在 HDFS 上面每一个 store 文件夹下实际存储数据的文件。里面存储多种内容。包括数据本身（keyValue 键值对）、元数据记录、文件信息、数据索引、元数据索引和 一个固定长度的尾部信息（记录文件的修改情况）。
  键值对按照块大小（默认 64K）保存在文件中，数据索引按照块创建，块越多，索引越 大。每一个 HFile 还会维护一个布隆过滤器（就像是一个很大的地图，文件中每有一种 key， 就在对应的位置标记，读取时可以大致判断要 get 的 key 是否存在 HFile中）。
KeyValue 内容如下:
rowlength -----------→ key 的长度
row -----------------→ key 的值
columnfamilylength --→ 列族长度
columnfamily --------→ 列族
columnqualifier -----→ 列名
timestamp -----------→ 时间戳（默认系统时间）
keytype -------------→ Put
  由于 HFile 存储经过序列化，所以无法直接查看。可以通过 HBase 提供的命令来查看存 储在 HDFS 上面的 HFile 元数据内容。

bin/hbase hfile -m -f /hbase/data/命名 空间/表名/regionID/列族/HFile 名

5.2 读流程

1. 首先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server；
2. 访问对应的 Region Server，获取 hbase:meta 表，将其缓存到连接中，作为连接属性 MetaCache，由于 Meta 表格具有一定的数据量，导致了创建连接比较慢；之后使用创建的连接获取 Table，这是一个轻量级的连接，只有在第一次创建的时候会检查表格是否存在访问 RegionServer，之后在获取 Table 时不会访问 RegionServer；
3. 创建 Table 对象发送 get 请求。
4. 优先访问 Block Cache，查找是否之前读取过，并且可以读取 HFile 的索引信息和 布隆过滤器。
5. 不管读缓存中是否已经有数据了（可能已经过期了），都需要再次读取写缓存和 store 中的文件。
6. 最终将所有读取到的数据合并版本，按照 get 的要求返回即可。

5.3 合并读取数据优化

  每次读取数据都需要读取三个位置，最后进行版本的合并。效率会非常低，所有系统需 要对此优化。

1. HFile 带有索引文件，读取对应 RowKey 数据会比较快。
2. Block Cache 会缓存之前读取的内容和元数据信息，如果 HFile 没有发生变化（记 录在 HFile 尾信息中），则不需要再次读取。
3. 使用布隆过滤器能够快速过滤当前 HFile 不存在需要读取的 RowKey，从而避免读 取文件。（布隆过滤器使用 HASH 算法，不是绝对准确的，出错会造成多扫描一个文件，对 读取数据结果没有影响）

5.4 StoreFile Compaction

  由于 memstore 每次刷写都会生成一个新的 HFile，文件过多读取不方便，所以会进行文 件的合并，清理掉过期和删除的数据，会进行 StoreFile Compaction。
  Compaction 分为两种，分别是 Minor Compaction 和 Major Compaction。Minor Compaction 会将临近的若干个较小的 HFile 合并成一个较大的 HFile，并清理掉部分过期和删除的数据， 有系统使用一组参数自动控制，Major Compaction 会将一个 Store 下的所有的 HFile 合并成 一个大 HFile，并且会清理掉所有过期和删除的数据，由参数 hbase.hregion.majorcompaction 控制，默认 7 天。

Minor Compaction 控制机制： 参与到小合并的文件需要通过参数计算得到，有效的参数有 5 个

1. hbase.hstore.compaction.ratio（默认 1.2F）合并文件选择算法中使用的比率。
2. hbase.hstore.compaction.min（默认 3） 为 Minor Compaction 的最少文件个数。
3. hbase.hstore.compaction.max（默认 10） 为 Minor Compaction 最大文件个数。
4. hbase.hstore.compaction.min.size（默认 128M）为单个 Hfile 文件大小最小值，小于这 个数会被合并。
5. hbase.hstore.compaction.max.size（默认 Long.MAX_VALUE）为单个 Hfile 文件大小最大 值，高于这个数不会被合并。 小合并机制为拉取整个 store 中的所有文件，做成一个集合。之后按照从旧到新的顺序遍历。 判断条件为：
6. 过小合并，过大不合并
7. 文件大小/ hbase.hstore.compaction.ratio < (剩余文件大小和) 则参与压缩。所有把比值设 置过大，如 10 会最终合并为 1 个特别大的文件，相反设置为 0.4，会最终产生 4 个 storeFile。 不建议修改默认值
8. 满足压缩条件的文件个数达不到个数要求（3 <= count <= 10）则不压缩。

6 Region Spilt

6.1 预分区

  每一个 region 维护着 startRow 与 endRowKey，如果加入的数据符合某个 region 维护的 rowKey 范围，则该数据交给这个 region 维护。那么依照这个原则，我们可以将数据所要投 放的分区提前大致的规划好，以提高 HBase 性能。

1. 手动设定预分区 JSON create ‘staff1’,‘info’, SPLITS => [‘1000’,‘2000’,‘3000’,‘4000’]
2. 生成 16 进制序列预分区 create ‘staff2’,‘info’,{NUMREGIONS => 15, SPLITALGO => ‘HexStringSplit’}
3. 按照文件中设置的规则预分区 （ 创建 splits.txt 文件内容如下：

aaaa
bbbb
cccc
dddd 

然后执行

 create 'staff3','info',SPLITS_FILE=> 'splits.txt'

6.2 系统分区

  Region 的拆分是由 HRegionServer 完成的，在操作之前需要通过 ZK 汇报 master，修改 对应的 Meta 表信息添加两列 info：splitA 和 info：splitB 信息。之后需要操作 HDFS 上面对 应的文件，按照拆分后的 Region 范围进行标记区分，实际操作为创建文件引用，不会挪动数据。刚完成拆分的时候，两个 Region 都由原先的 RegionServer 管理。之后汇报给 Master， 由Master将修改后的信息写入到Meta表中。等待下一次触发负载均衡机制，才会修改Region 的管理服务者，而数据要等到下一次压缩时，才会实际进行移动。
  不管是否使用预分区，系统都会默认启动一套 Region 拆分规则。不同版本的拆分规则有差别。系统拆分策略的父类为 RegionSplitPolicy。

1. 0.94 版本之前 => ConstantSizeRegionSplitPolicy ：当 1 个 region 中 的 某 个 Store 下 所 有 StoreFile 的 总 大 小 超 过 hbase.hregion.max.filesize （10G），该 Region 就会进行拆分。
2. 0.94 版本之后，2.0 版本之前 => IncreasingToUpperBoundRegionSplitPolicy ：当 1 个 region 中 的 某 个 Store 下 所 有 StoreFile 的 总 大 小 超 过 Min(initialSizeR^3 ,hbase.hregion.max.filesize")，该 Region 就会进行拆分。其中 initialSize 的 默认值为 2hbase.hregion.memstore.flush.size，R 为当前 Region Server 中属于该 Table 的 Region 个数（0.94 版本之后）。 具体的切分策略为： 第一次 split：1^3 * 256 = 256MB 第二次 split：2^3 * 256 = 2048MB 第三次 split：3^3 * 256 = 6912MB 第四次 split：4^3 * 256 = 16384MB > 10GB， 因此取较小的值 10GB 后面每次 split 的 size 都是 10GB 了。
3. 2.0 版本之后 => SteppingSplitPolicy ：Hbase 2.0 引入了新的 split 策略：如果当前 RegionServer 上该表只有一个 Region， 按照 2 * hbase.hregion.memstore.flush.size 分裂，否则按照 hbase.hregion.max.filesize 分裂。 这叫大道至简，学海抽丝。