date: 2020-10-26 15:43:00
updated: 2020-10-26 18:45:00

HBase進階

1. 架構

master負責管理多個region server，一個region server裡有多個region。
一個表會劃分多個region，起初只有一個，資料增多，region增大到一定程度會拆分成2個region
一個表最終被儲存在多個region server裡

hmaster掛了不影響讀寫，但是 create table 這種涉及元資料的操作，如果hmaster掛了就會報錯

一個region裡有多個store，一個store代表一個列族。（region按照行鍵來劃分，所以相當於每一行有幾個列族就有幾個store）
store包括兩部分：記憶體中的memstore和磁碟的storefile。寫資料會先寫到memstore，當資料達到閾值（預設64M）後 region server 會啟動 flushcache 進行將資料寫到 storefile裡，每次形成一個storefile
當storefile檔案的數量增長到一定閾值後，系統會進行合併（minor、major ），在合併過程中會進行版本合併和刪除工作（major），形成更大的storefile
當一個region所有storefile的大小和數量超過一定閾值後，會把當前的region分割為兩個，並由hmaster分配到相應的regionserver，實現負載均衡
客戶端檢索資料，先在memstore找，找不到再去blockcache查詢，找不到再找storefile，即：client->memstore->blockcache->storefile。如果讀到了會把資料放到blockcache裡快取，方便下次讀取

Region是HBase中儲存和負載均衡的最小單元,不同的Region可以分佈在不同的 Region Server上
Region由一個或者多個Store組成，每個store儲存一個columns family
每個Strore又由一個memStore和0至多個StoreFile組成
memstore為寫入快取，blockcache為讀取快取

2. 寫資料

1. Client 向 zk 傳送請求，請求 meta 表所有的 regionServer
2. zk 返回 regionServer 地址
3. Client 獲取到 meta 表，請求對應的 region 所在的 regionServer
4. 返回 meta 表資料
5. Client 向 regionServer 傳送寫資料請求
6. 寫入 wal(write ahead log)
7. 將資料寫入 memstore
8. regionServer 反饋給 Client 寫入成功

在 0.9 版本（低版本）時，還存在一個 -ROOT- 表，作用是為了避免meta表過大而拆分為多個子表，可以通過 -ROOT- 表來對meta表進行管理

第6步和第7步 具體流程如下：

• hbase-server-2.3 版本 搜尋 HRegion 類，再搜尋 STEP 1，doMiniBatchMutate(BatchOperation<?> batchOp) 方法即為寫資料的部分

  // STEP 1. Try to acquire as many locks as we can and build mini-batch of operations with locked rows => 寫入之前先獲取鎖
  
  // 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如果不傳時間戳，會自動獲取伺服器端的時間戳
  
  // 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) 方法不一樣。也是先 Build WAL edit，寫入日誌，但是並沒有先同步，而且先寫入memstore，在 finally 那裡去判斷 wal log 是否同步成功，如果不成功，回滾 memstore 記錄

寫資料時會先向hlog寫（方便memstore裡的資料丟失後根據hlog恢復，向hlog中寫資料的時候也是優先寫入記憶體，後臺會有一個執行緒定期非同步刷寫資料到hdfs，如果hlog的資料也寫入失敗，那麼資料就會發生丟失）
頻繁的溢寫會導致產生很多的小檔案，因此會進行檔案的合併，檔案在合併的時候有兩種方式，minor和major，minor表示小範圍檔案的合併，major表示將所有的storefile檔案都合併成一個

3. Flush 過程

當寫資料到一定程度之後，會把記憶體中的資料flush到磁碟，配置項在 hbase-default.xml

1. habse.regionserver.global.memstore.size
預設大小為記憶體大小的0.4。當regionserver的所有的memstore的大小超過這個值的時候，會阻塞客戶端的讀寫
2. habse.regionserver.global.memstore.size.lower.limit
預設大小為第一個配置項的大小的0.95。即從這個值開始flush到記憶體，如果寫資料過快，超過flush的速度，導致memstore逐漸變大，達到堆大小的0.4，那麼就會暫停讀寫操作，專注於flush，直到memstore的大小下降
3. hbase.regionserver.optionalcacheflushinterval
預設為1個小時（當前記憶體最後一次編輯時間+1個小時），自動flush到磁碟

4. hbase.hregion.memstore.flush.size
單個region裡memstore大小。預設為128M，超過這個大小就會刷寫

5. hbase.regionserver.max.logs
如果wal的檔案數量達到這個值（預設32），就會刷寫

6. hbase.regionserver.hlog.blocksize
預設HDFS 2.x版本預設的blocksize大小

4. 讀資料

1. Client 向 zk 傳送請求，請求 meta 表所有的 regionServer
2. zk 返回 regionServer 地址
3. Client 獲取到 meta 表，請求對應的 region 所在的 regionServer
4. 返回 meta 表資料
5. Client 向 regionServer 傳送讀資料請求
6. 同時會讀 memstore 和 storefile，如果 storefile 裡有資料，會載入到 blockcache 中，然後把資料做一個合併，取時間戳最大的那條資料返回給client，並且將資料寫入到 blockcache
7. 遵循的大體流程是 client->memstore->blockcache->storefile。如果讀到了會把資料放到blockcache裡快取，方便下次讀取

同時去讀記憶體和磁碟，是為了避免磁碟的時間戳大於記憶體的時間戳，即put資料的時候設定了老時間戳

5. compact 合併

memstore不斷flush到磁碟，生成hfile。
minor compactions 會把多個檔案hfile合併為一個大的hfile
major compactions 會把所有hfile合併為一個hfile，預設是7天，但是生產上應該關閉，會非常消耗資源，應在空閒時間手動觸發

compact 會 rewrite hfile to a single storefile 重寫的過程會下載hdfs檔案，然後重新寫入，所以很消耗資源

hbase.hstore.compactionThreshold 是一個store（列族）允許的hfile個數，超過這個個數就會合並

6. region split 切分

region 交給不同伺服器，緩解熱點問題 => hfile 不斷拆分，檔案越來越大，到最後有可能還是會導致熱點問題的存在，因為有的檔案特別大，查的資料都在這個檔案裡 => 建表的時候實現 預分割槽

HBase 預設分割槽規則
memstore.flush.size=128MB
max.store.size=10G

分割槽規則：Min(R^2 * “hbase.hregion.memstore.flush.size”, “hbase.hregion.max.filesize”)

第一次拆分大小為：min(10G，11128M)=128M // 一開始的時候就一個region，當資料量達到128M時，會一分為二，變成2個region，然後會往第二個region裡寫資料，但是第一個不會寫，處於半滿狀態 => 之前分裂的region都不會再被寫入資料，處於半滿狀態
第二次拆分大小為：min(10G，33128M)=1152M
第三次拆分大小為：min(10G，55128M)=3200M
第四次拆分大小為：min(10G，77128M)=6272M
第五次拆分大小為：min(10G，99128M)=10G
第五次拆分大小為：min(10G，1111128M)=10G // 最大是10G

官方建議使用一個列族，避免的問題是：有的列族很多資料，有的列族可能只有幾條數，按照region切分，然後flush到磁碟，可能會產生很多的小檔案