二、HBase 原理深入
1、HBase 读数据流程
HBase读操作
1）首先从zk找到meta表的region位置，然后读取meta表中的数据，meta表中存储了用户表的region信息
2）根据要查询的namespace、表名和rowkey信息。找到写入数据对应的region信息
3）找到这个region对应的regionServer，然后发送请求
4）查找对应的region
5）先从memstore查找数据，如果没有，再从BlockCache上读取 HBase上Regionserver的内存分为两个部分
- 一部分作为Memstore，主要用来写；
- 另外一部分作为BlockCache，主要用于读数据；
6）如果BlockCache中也没有找到，再到StoreFile上进行读取
从storeFile中读取到数据之后，不是直接把结果数据返回给客户端，
而是把数据先写入到BlockCache中，目的是为了加快后续的查询；然后在返回结果给客户端
2、HBase 写数据流程
HBase写操作
1）首先从zk找到meta表的region位置，然后读取meta表中的数据，meta表中存储了用户表的region信息
2）根据namespace、表名和rowkey信息。找到写入数据对应的region信息
3）找到这个region对应的regionServer，然后发送请求
4）把数据分别写到HLog（write ahead log）和memstore各一份
5）memstore达到阈值后把数据刷到磁盘，生成storeFile文件
6）删除HLog中的历史数据
3、flush、compact机制
Flush机制
（1）当memstore的大小超过这个值的时候，会flush到磁盘,默认为128M
<property><name>hbase.hregion.memstore.flush.size</name><value>134217728</value></property>
（2）当memstore中的数据时间超过1小时，会flush到磁盘
<property>
<name>hbase.regionserver.optionalcacheflushinterval</name>
<value>3600000</value>
</property>
（3）HregionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%
<property>
<name>hbase.regionserver.global.memstore.size</name>
<value>0.4</value>
</property>
（4）手动flush
- 以上介绍的是Store中memstore数据刷写磁盘的标准，但是Hbase中是周期性的检查是否满足以上标准满足则进行刷写，但是如果在下次检查到来之前，数据疯狂写入Memstore中，会出现什么问题呢？
会触发阻塞机制，此时无法写入数据到Memstore，数据无法写入Hbase集群
- （1）memstore中数据达到512MB
- 计算公式：
hbase.hregion.memstore.flush.size*hbase.hregion.memstore..block.multiplier hbase.hregion.memstore.flush.size刷写的阀值，默认是 134217728，即128MBhbase.hregion.memstore.block.multiplier是一个倍数，默认是 4
- 计算公式：
- （2）RegionServer 的全部 memstore 达到规定值
- （1）memstore中数据达到512MB
-
① minor compact 小合并
在将Store中多个HFile(StoreFile)合并为一个HFile
- 这个过程中，删除和更新的数据仅仅只是做了标记，并没有物理移除，这种合并的触发频率很高
- minor compact文件选择标准由以下几个参数共同决定
```xml
hbase.hstore.compaction.min 3
**触发条件**
- **memstore flush**
- 在进行 memstore flush 前后都会进行判断是否触发 compact
- **定期检查线程**
- 周期性检查是否需要进行compaction操作，由参数：hbase.server.thread.wakefrequency决定，默认值是10000 millseconds
<a name="3HwVj"></a>
#### ② major compact 大合并
- **合并Store中所有的HFile为一个HFile**
- 这个过程有删除标记的数据会被真正移除，同时超过单元格maxVersion的版本记录也会被删除。合并频率比较低，默认7天执行一次，并且性能消耗非常大，建议生产关闭（设置为0），在应用空闲时间手动触发。一般可以是手动控制进行合并，防止出现在业务高峰期。
- **major compaction触发时间条件**
```xml
<!--默认值为7天进行一次大合并，-->
<property>
<name>hbase.hregion.majorcompaction</name>
<value>604800000</value>
</property>
- 手动触发
## 在hbase shell中使用major_compact命令 major_compact tableName
4、Region 拆分机制
- Region中存储的是大量的rowkey数据，当Region中的数据条数过多的时候,直接影响查询效率。当Region过大的时候，HBase会拆分Region ，这也是Hbase的一个优点
① 拆分策略
- HBase的Region Split策略一共有以下几种
- 使用默认方式即可
1）ConstantSizeRegionSplitPolicy
0.94版本前默认切分策略
当region大小大于某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。 但是在生产线上这种切分策略却有相当大的弊端：切分策略对于大表和小表没有明显的区分。阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，这对业务来说并不是什么好事。如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。2）IncreasingToUpperBoundRegionSplitPolicy
0.94版本~2.0版本默认切分策略 ``` 切分策略稍微有点复杂，总体看和ConstantSizeRegionSplitPolicy思路相同，一个region大小大于设置阈值就会触发切分。但是这个阈值并不像 ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，调整规则和region所属表在当前regionserver上的region个数有关系.
region split的计算公式是： regioncount^3 128M 2，当region达到该size的时候进行split 例如： 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）SteppingSplitPolicy**
- 2.0版本默认切分策略
这种切分策略的切分阈值又发生了变化，相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些，依然和待分裂region所属表在当前regionserver上的region个数有关系，如果region个数等于1， 切分阈值为flush size * 2，否则为MaxRegionFileSize。这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不会再产生大量的小region，而是适可而止。
**4）KeyPrefixRegionSplitPolicy**
根据rowKey的前缀对数据进行分组，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在进行region split的时候会分到相同的region中。
**5）DelimitedKeyPrefixRegionSplitPolicy**
保证相同前缀的数据在同一个region中，例如rowKey的格式为：userideventtype_eventid，指定的delimiter为 ，则split的的时候会确保userid相同的数据在同一个region中。
**6）DisabledRegionSplitPolicy**
- 不启用自动拆分, 需要指定手动拆分
---
<a name="LPWlo"></a>
### ② RegionSplitPolicy的应用
- Region拆分策略可以全局统一配置，也可以为单独的表指定拆分策略
**1）通过hbase-site.xml全局统一配置(对hbase所有表生效)**
```xml
<property>
<name>hbase.regionserver.region.split.policy</name>
<value>org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy</value>
</property>
2）通过Java API为单独的表指定Region拆分策略
HTableDescriptor tableDesc = new HTableDescriptor("test1");
tableDesc.setValue(HTableDescriptor.SPLIT_POLICY, IncreasingToUpperBoundRegionSplitPolicy.class.getName());
tableDesc.addFamily(new HColumnDescriptor(Bytes.toBytes("cf1")));
admin.createTable(tableDesc);
3）通过HBase Shell为单个表指定Region拆分策略
create 'test2', {METADATA => {'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy'}},{NAME => 'cf1'}
5、HBase表的预分区(region)
预分区的好处
- 当一个table刚被创建的时候，Hbase默认的分配一个region给table。也就是说这个时候，所有的读写请求都会访问到同一个regionServer的同一个region中，这个时候就达不到负载均衡的效果了，集群中的其他regionServer就可能会处于比较空闲的状态。解决这个问题可以用pre-splitting,在创建table的时候就配置好，生成多个region。
- 增加数据读写效率
- 负载均衡，防止数据倾斜
- 方便集群容灾调度 region
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
手动指定预分区
create 'person','info1','info2',SPLITS => ['1000','2000','3000']
也可以把分区规则创建于文件中
vim split.txt文件内容
aaa bbb ccc ddd执行
create 'student','info',SPLITS_FILE => '/root/hbase/split.txt'
6、Region 合并
- Region的合并不是为了性能，而是出于维护的目的
① 通过Merge类**冷合并**Region
- 需要先关闭hbase集群
- 需求：需要把student表中的2个region数据进行合并：
- student,,1593244870695.10c2df60e567e73523a633f20866b4b5.
- student,1000,1593244870695.0a4c3ff30a98f79ff6c1e4cc927b3d0d.
这里通过org.apache.hadoop.hbase.util.Merge类来实现，不需要进入hbase shell，直接执行（需要先关闭hbase集群）：
hbase org.apache.hadoop.hbase.util.Merge student \ student,,1595256696737.fc3eff4765709e66a8524d3c3ab42d59. \ student,aaa,1595256696737.1d53d6c1ce0c1bed269b16b6514131d0.② 通过online_merge**热合并**Region
不需要关闭hbase集群，在线进行合并 ```sql 与冷合并不同的是，online_merge的传参是Region的hash值，而Region的hash值就是Region名称的最后那段在两个.之间的字符串部分。 需求：需要把lagou_s表中的2个region数据进行合并： student,,1587392159085.9ca8689901008946793b8d5fa5898e06. student,aaa,1587392159085.601d5741608cedb677634f8f7257e000.
需要进入hbase shell：[合并的部分是哈希值] merge_region ‘9ca8689901008946793b8d5fa5898e06’,’601d5741608cedb677634f8f7257e000’ ```
若有收获，就点个赞吧
0 人点赞
