HBase进阶

date: 2020-10-26 15:43:00

updated: 2020-10-26 18:45:00

HBase进阶

1. 架构

master负责管理多个region server，一个region server里有多个region。

一个表会划分多个region，起初只有一个，数据增多，region增大到一定程度会拆分成2个region

一个表最终被保存在多个region server里

hmaster挂了不影响读写，但是 create table 这种涉及元数据的操作，如果hmaster挂了就会报错

一个region里有多个store，一个store代表一个列族。（region按照行键来划分，所以相当于每一行有几个列族就有几个store）

store包括两部分：内存中的memstore和磁盘的storefile。写数据会先写到memstore，当数据达到阈值（默认64M）后 region server 会启动 flushcache 进行将数据写到 storefile里，每次形成一个storefile

当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major ），在合并过程中会进行版本合并和删除工作（major），形成更大的storefile

当一个region所有storefile的大小和数量超过一定阈值后，会把当前的region分割为两个，并由hmaster分配到相应的regionserver，实现负载均衡

客户端检索数据，先在memstore找，找不到再去blockcache查找，找不到再找storefile，即：client->memstore->blockcache->storefile。如果读到了会把数据放到blockcache里缓存，方便下次读取

Region是HBase中存储和负载均衡的最小单元,不同的Region可以分布在不同的 Region Server上

Region由一个或者多个Store组成，每个store保存一个columns family

每个Strore又由一个memStore和0至多个StoreFile组成

memstore为写入缓存，blockcache为读取缓存

2. 写数据

1. Client 向 zk 发送请求，请求 meta 表所有的 regionServer
2. zk 返回 regionServer 地址
3. Client 获取到 meta 表，请求对应的 region 所在的 regionServer
4. 返回 meta 表数据
5. Client 向 regionServer 发送写数据请求
6. 写入 wal(write ahead log)
7. 将数据写入 memstore
8. regionServer 反馈给 Client 写入成功

在 0.9 版本（低版本）时，还存在一个 -ROOT- 表，作用是为了避免meta表过大而拆分为多个子表，可以通过 -ROOT- 表来对meta表进行管理

第6步和第7步 具体流程如下：

• hbase-server-2.3 版本 搜索 HRegion 类，再搜索 STEP 1，doMiniBatchMutate(BatchOperation<?> batchOp) 方法即为写数据的部分

  // STEP 1. Try to acquire as many locks as we can and build mini-batch of operations with locked rows => 写入之前先获取锁
  
  // STEP 2. Update mini batch of all operations in progress with  LATEST_TIMESTAMP timestamp
  // We should record the timestamp only after we have acquired the rowLock,
  // otherwise, newer puts/deletes are not guaranteed to have a newer timestamp => client如果不传时间戳，会自动获取服务器端的时间戳
  
  // STEP 3. Build WAL edit
  // STEP 4. Append the WALEdits to WAL and sync.
  
  // STEP 5. Write back to memStore
  

• hbase-server-1.3 版本 doMiniBatchMutate(BatchOperation<?> batchOp) 方法不一样。也是先 Build WAL edit，写入日志，但是并没有先同步，而且先写入memstore，在 finally 那里去判断 wal log 是否同步成功，如果不成功，回滚 memstore 记录

写数据时会先向hlog写（方便memstore里的数据丢失后根据hlog恢复，向hlog中写数据的时候也是优先写入内存，后台会有一个线程定期异步刷写数据到hdfs，如果hlog的数据也写入失败，那么数据就会发生丢失）

频繁的溢写会导致产生很多的小文件，因此会进行文件的合并，文件在合并的时候有两种方式，minor和major，minor表示小范围文件的合并，major表示将所有的storefile文件都合并成一个

3. Flush 过程

当写数据到一定程度之后，会把内存中的数据flush到磁盘，配置项在 hbase-default.xml

1. habse.regionserver.global.memstore.size
默认大小为内存大小的0.4。当regionserver的所有的memstore的大小超过这个值的时候，会阻塞客户端的读写
2. habse.regionserver.global.memstore.size.lower.limit
默认大小为第一个配置项的大小的0.95。即从这个值开始flush到内存，如果写数据过快，超过flush的速度，导致memstore逐渐变大，达到堆大小的0.4，那么就会暂停读写操作，专注于flush，直到memstore的大小下降
3. hbase.regionserver.optionalcacheflushinterval
默认为1个小时（当前内存最后一次编辑时间+1个小时），自动flush到磁盘

4. hbase.hregion.memstore.flush.size
单个region里memstore大小。默认为128M，超过这个大小就会刷写

5. hbase.regionserver.max.logs
如果wal的文件数量达到这个值（默认32），就会刷写

6. hbase.regionserver.hlog.blocksize
默认HDFS 2.x版本默认的blocksize大小

4. 读数据

1. Client 向 zk 发送请求，请求 meta 表所有的 regionServer
2. zk 返回 regionServer 地址
3. Client 获取到 meta 表，请求对应的 region 所在的 regionServer
4. 返回 meta 表数据
5. Client 向 regionServer 发送读数据请求
6. 同时会读 memstore 和 storefile，如果 storefile 里有数据，会加载到 blockcache 中，然后把数据做一个合并，取时间戳最大的那条数据返回给client，并且将数据写入到 blockcache
7. 遵循的大体流程是 client->memstore->blockcache->storefile。如果读到了会把数据放到blockcache里缓存，方便下次读取

同时去读内存和磁盘，是为了避免磁盘的时间戳大于内存的时间戳，即put数据的时候设置了老时间戳

5. compact 合并

memstore不断flush到磁盘，生成hfile。

minor compactions 会把多个文件hfile合并为一个大的hfile

major compactions 会把所有hfile合并为一个hfile，默认是7天，但是生产上应该关闭，会非常消耗资源，应在空闲时间手动触发

compact 会 rewrite hfile to a single storefile 重写的过程会下载hdfs文件，然后重新写入，所以很消耗资源

hbase.hstore.compactionThreshold 是一个store（列族）允许的hfile个数，超过这个个数就会合并

6. region split 切分

region 交给不同服务器，缓解热点问题 => hfile 不断拆分，文件越来越大，到最后有可能还是会导致热点问题的存在，因为有的文件特别大，查的数据都在这个文件里 => 建表的时候实现 预分区

HBase 默认分区规则

memstore.flush.size=128MB

max.store.size=10G

分区规则：Min(R^2 * “hbase.hregion.memstore.flush.size”, “hbase.hregion.max.filesize”)

第一次拆分大小为：min(10G，11128M)=128M // 一开始的时候就一个region，当数据量达到128M时，会一分为二，变成2个region，然后会往第二个region里写数据，但是第一个不会写，处于半满状态 => 之前分裂的region都不会再被写入数据，处于半满状态

第二次拆分大小为：min(10G，33128M)=1152M

第三次拆分大小为：min(10G，55128M)=3200M

第四次拆分大小为：min(10G，77128M)=6272M

第五次拆分大小为：min(10G，99128M)=10G

第五次拆分大小为：min(10G，1111128M)=10G // 最大是10G

官方建议使用一个列族，避免的问题是：有的列族很多数据，有的列族可能只有几条数，按照region切分，然后flush到磁盘，可能会产生很多的小文件