Hbase原理解析

1.系统架构

上图是hbase0.9之前的版本的内部系统的构架图

1.1部分功能介绍:

Hase中的两张表:

• .meta.：记录了用户表的 Region 信息，.META.可以有多个
  regoin,怎么理解呢?用户的表的信息是以region的形式存储在各个regionserver节点上的,那么哪一个节点放的是哪个region的信息呢?这个.meta表就是储存这个信息的.

• -root-：记录了.META.表的 Region 信息，-ROOT-只有一个 region,怎么理解呢?上边的.metat表的信息也是以region的形式存储在regionserver的节点上的,当这个.meta表的体积太大的时候就会被切分放在不同的节点上,那么哪个节点放置那些region?这个.root表来存储这些信息.

上边的这两个表类似于hdfs中元数据中存储块的节点的位置的信息是一个概念.

client 客户端
Client 访问用户数据前需要首先访问 zookeeper，找到-root-表的 region 所在的位置，然后访问-root-表，接着访问.meta.表，最后才能找到用户数据的位置去访问，中间需要多次网络操作，不过 client 端会做 cache 缓存.

ZooKeeper 职责

1、ZooKeeper 为 HBase 提供 Failover 机制，选举 master，避免单点 master 单点故障问题
2、存储所有 Region 的寻址入口：-root-表在哪台服务器上。-root-这张表的位置信息
3、实时监控 RegionServer 的状态，将 RegionServer 的上线和下线信息实时通知给 Master
4、存储 HBase 的 schema，包括有哪些 table，每个 table 有哪些 column family

Master 职责

1、为 RegionServer 分配 region
2、负责 RegionServer 的负载均衡
3、发现失效的 RegionServer 并重新分配其上的 region
4、HDFS 上的垃圾文件（hbase）回收
5、处理 schema 更新请求（表的创建，删除，修改，列簇的增加等等）

RegionServer 职责

1、RegionServer 维护 Master 分配给它的 region，处理对这些 region 的 IO 请求
2、RegionServer 负责 Split 在运行过程中变得过大的 region，负责 Compact 操作

总结如下:

可以看到，client 访问 hbase 上数据的过程并不需要 master 参与（寻址访问 zookeeper 和RegioneServer，数据读写访问 RegioneServer），master 仅仅维护者 table 和 region 的元数据信息，负载很低。

.meta. 存的是所有的 region 的位置信息，那么 RegioneServer 当中 region 在进行分裂之后的新产生的 region，是由 master 来决定发到哪个 RegioneServer，这就意味着，只有 master知道 new region 的位置信息，所以，由 master 来管理.meta.这个表当中的数据的 CRUD

所以结合以上两点表明，在没有 region 分裂的情况，master 宕机一段时间是可以忍受的。

2.物理储存

2.1、整体物理结构

1、Table 中的所有行都按照 row key 的字典序排列。
2、Table 在行的方向上分割为多个 Hregion。
3、Hregion 按大小分割的(默认 10G)，每个表一开始只有一个 Hregion，随着数据不断插入表，
Hregion 不断增大，当增大到一个阀值的时候，Hregion 就会等分会两个新的 Hregion。当表
中的行不断增多，就会有越来越多的 Hregion。
4、Hregion 是 Hbase 中分布式存储和负载均衡的最小单元。最小单元就表示不同的 Hregion
可以分布在不同的 HRegion server 上。但一个 Hregion 是不会拆分到多个 server 上的。
5、HRegion 虽然是负载均衡的最小单元，但并不是物理存储的最小单元。事实上，HRegion
由一个或者多个 Store 组成，每个 Store 保存一个 Column Family。每个 Strore 又由一个
memStore 和 0 至多个 StoreFile 组成

2.2、StoreFile 和 HFile 结构

StoreFile 以 HFile 格式保存在 HDFS 上，请看下图 HFile 的数据组织格式：

首先 HFile 文件是不定长的，长度固定的只有其中的两块：Trailer 和 FileInfo。
正如图中所示：
Trailer 中有指针指向其他数据块的起始点。
FileInfo 中记录了文件的一些 Meta 信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY 等。

HFile 分为六个部分：
Data Block 段–保存表中的数据，这部分可以被压缩
Meta Block 段 (可选的)–保存用户自定义的 kv 对，可以被压缩。
File Info 段–Hfile 的元信息，不被压缩，用户也可以在这一部分添加自己的元信息。
Data Block Index 段–Data Block 的索引。每条索引的 key 是被索引的 block 的第一条记录的key。
Meta Block Index 段 (可选的)–Meta Block 的索引。
Trailer 段–这一段是定长的。保存了每一段的偏移量，读取一个 HFile 时，会首先读取 Trailer，Trailer保存了每个段的起始位置(段的Magic Number用来做安全check)，然后，DataBlock Index会被读取到内存中，这样，当检索某个 key 时，不需要扫描整个 HFile，而只需从内存中找到key所在的block，通过一次磁盘io将整个block读取到内存中，再找到需要的key。DataBlock Index 采用 LRU 机制淘汰。
HFile 的 Data Block，Meta Block 通常采用压缩方式存储，压缩之后可以大大减少网络 IO 和磁盘 IO，随之而来的开销当然是需要花费 cpu 进行压缩和解压缩。

目标 Hfile 的压缩支持两种方式：Gzip，LZO。
Data Index 和 Meta Index 块记录了每个 Data 块和 Meta 块的起始点。
Data Block 是 HBase I/O 的基本单元，为了提高效率，HRegionServer 中有基于 LRU 的 Block Cache 机制。每个 Data 块的大小可以在创建一个 Table 的时候通过参数指定，大号的 Block有利于顺序 Scan，小号 Block 利于随机查询。 每个 Data 块除了开头的 Magic 以外就是一个个 KeyValue 对拼接而成, Magic 内容就是一些随机数字，目的是防止数据损坏。
HFile 里面的每个 KeyValue 对就是一个简单的 byte 数组。但是这个 byte 数组里面包含了很多项，并且有固定的结构。我们来看看里面的具体结构：

开始是两个固定长度的数值，分别表示 Key 的长度和 Value 的长度。紧接着是 Key，开始是固定长度的数值，表示 RowKey 的长度，紧接着是 RowKey，然后是固定长度的数值，表示Family 的长度，然后是 Family，接着是 Qualifier，然后是两个固定长度的数值，表示 Time Stamp和 Key Type（Put/Delete）。Value 部分没有这么复杂的结构，就是纯粹的二进制数据了。

2.3、MemStore 和 StoreFile

一个 Hregion 由多个 Store 组成，每个 Store 包含一个列族的所有数据

Store 包括位于内存的一个 memstore 和位于硬盘的多个 storefile 组成

写操作先写入 memstore，当 memstore 中的数据量达到某个阈值，HRegionServer 启动flushcache 进程写入 storefile，每次写入形成单独一个 Hfile

当总 storefile 大小超过一定阈值后，会把当前的 region 分割成两个，并由 HMaster 分配给相应的 region 服务器，实现负载均衡
客户端检索数据时，先在 memstore 找，找不到再找 storefile

2.4、HLog(WAL)

WAL 意为 Write ahead log(http://en.wikipedia.org/wiki/Write-ahead_logging)，类似 mysql 中的binlog，用来做灾难恢复之用，Hlog 记录数据的所有变更，一旦数据修改，就可以从 log 中进行恢复。

每个 Region Server 维护一个 Hlog,而不是每个 Region 一个。这样不同 region(来自不同 table)的日志会混在一起，这样做的目的是不断追加单个文件相对于同时写多个文件而言，可以减少磁盘寻址次数，因此可以提高对 table 的写性能。带来的麻烦是，如果一台 region server
下线，为了恢复其上的 region，需要将 region server 上的 log 进行拆分，然后分发到其它 region server 上进行恢复。

HLog 文件就是一个普通的 Hadoop Sequence File：
1、HLog Sequence File 的 Key 是 HLogKey 对象，HLogKey 中记录了写入数据的归属信息，除了 table 和 region 名字外，同时还包括 sequence number 和 timestamp，timestamp 是”写入时间”，sequence number 的起始值为 0，或者是最近一次存入文件系统中 sequence number。
2、HLog Sequece File 的 Value 是 HBase 的 KeyValue 对象，即对应 HFile 中的 KeyValue

3、寻址机制

现在假设我们要从 user_info 里面寻找一条 RowKey 是 rk0001 的数据。那么我们应该遵循以下步骤：

1. 从.META.表里面查询哪个 Region 包含这条数据。
2. 获取管理这个 Region 的 RegionServer 地址。
3. 连接这个 RegionServer，查到这条数据。

系统如何找到某个 RowKey (或者某个 RowKey range)所在的 regionbigtable 使用三层类似 B+树的结构来保存 region 位置。
第一层是 zookeeper 里面保存的数据，它持有 root region 的位置。
第二层 root region 是.META.表的第一个 region 其中保存了.META.表其它 region 的位置。通过root region，我们就可以访问.META.表的数据。
第三层是.META.，它是一个特殊的表，保存了 hbase 中所有数据表的 region 位置信息。

说明：
1、root region 永远不会被 split，保证了最多需要三次跳转，就能定位到任意 region。
2、.META.表每行保存一个 region 的位置信息，rowkey 采用表名+表的最后一行编码而成。
3、为了加快访问，.META.表的全部 region 都保存在内存中。
4、client 会将查询过的位置信息保存缓存起来，缓存不会主动失效，因此如果 client 上的缓存全部失效，则需要进行最多 6 次网络来回，才能定位到正确的 region(其中三次用来发现缓存失效，另外三次用来获取位置信息)。

4、读写过程

4.1、读请求过程

1、客户端通过 zookeeper 以及-root-表和.meta.表找到目标数据所在的 regionserver(就是数据所在的 region 的主机地址)
2、联系 regionserver 查询目标数据
3、regionserver 定位到目标数据所在的 region，发出查询请求
4、region 先在 memstore 中查找，命中则返回
5 、 如 果 在 memstore 中 找 不 到 ， 则 在 storefile 中 扫 描 （ 可 能 会 扫 描 到 很 多 的storefile----BloomFilter）（BloomFilter，布隆过滤器：迅速判断一个元素是不是在一个庞大的集合内，但是他有一个弱点：它有一定的误判率）
（误判率：原本不存在与该集合的元素，布隆过滤器有可能会判断说它存在，但是，如果
布隆过滤器，判断说某一个元素不存在该集合，那么该元素就一定不在该集合内）

4.2、写请求过程

1、client 先根据 rowkey 找到对应的 region 所在的 regionserver
2、client 向 regionserver 提交写请求
3、regionserver 找到目标 region
4、region 检查数据是否与 schema 一致
5、如果客户端没有指定版本，则获取当前系统时间作为数据版本
6、将更新写入 WAL log
7、将更新写入 Memstore
8、判断 Memstore 的是否需要 flush 为 Store 文件。

Hbase 在做数据插入操作时，首先要找到 rowkey 所对应的的 region，怎么找到的？其实这个简单，因为.META.表存储了每张表每个 region 的起始 rowkey 了。

建议：在做海量数据的插入操作，避免出现递增 rowkey 的 put 操作如果 put 操作的所有 rowkey 都是递增的，那么试想，当插入一部分数据的时候刚好进行分裂，那么之后的所有数据都开始往分裂后的第二个 region 插入，就造成了数据热点现象。
细节描述：
HBase 使用 MemStore 和 StoreFile 存储对表的更新。
数据在更新时首先写入 HLog(WAL log)和内存(MemStore)中，MemStore 中的数据是排序的，当 MemStore 累计到一定阈值时，就会创建一个新的 MemStore，并且将老的 MemStore 添加到 flush 队列，由单独的线程 flush 到磁盘上，成为一个 StoreFile。于此同时，系统会在
zookeeper 中记录一个 redo point，表示这个时刻之前的变更已经持久化了。当系统出现意外时，可能导致内存(MemStore)中的数据丢失，此时使用 HLog(WAL log)来恢复 checkpoint 之后的数据。

StoreFile是只读的，一旦创建后就不可以再修改。因此Hbase的更新其实是不断追加的操作。

当一个 Store 中的 StoreFile 达到一定的阈值后，就会进行一次合并(minor_compact, major_compact)，将对同一个 key 的修改合并到一起，形成一个大的 StoreFile，当 StoreFile的大小达到一定阈值后，又会对 StoreFile 进行 split，等分为两个 StoreFile。由于对表的更
新是不断追加的，compact 时，需要访问 Store 中全部的 StoreFile 和 MemStore，将他们按row key 进行合并，由于 StoreFile 和 MemStore 都是经过排序的，并且 StoreFile 带有内存中索引，合并的过程还是比较快。

major_compact 和 minor_compact 的区别
minor_compact 仅仅合并小文件（HFile）
major_compact 合并一个 region 内的所有文件
Client 写入 -> 存入 MemStore，一直到 MemStore 满 -> Flush 成一个 StoreFile，直至增长到一定阈值 -> 触发 Compact 合并操作 -> 多个 StoreFile 合并成一个 StoreFile，同时进行版本合并和数据删除 -> 当 StoreFiles Compact 后，逐步形成越来越大的 StoreFile -> 单个 StoreFile大小超过一定阈值后，触发 Split 操作，把当前 Region Split 成 2 个 Region，Region 会下线，新 Split 出的 2 个孩子 Region 会被 HMaster 分配到相应的 HRegionServer 上，使得原先 1 个Region 的压力得以分流到 2 个 Region 上由此过程可知，HBase 只是增加数据，有所得更新和删除操作，都是在 Compact 阶段做的，所以，用户写操作只需要进入到内存即可立即返回，从而保证 I/O 高性能。

写入数据的过程补充：
工作机制：每 个 HRegionServer 中都会有一个 HLog 对象，HLog 是一个实现 Write Ahead Log的类，每次用户操作写入 Memstore 的同时，也会写一份数据到 HLog 文件，HLog 文件定期会滚动出新，并删除旧的文件(已持久化到 StoreFile 中的数据)。当 HRegionServer 意外终止后，HMaster 会通过 Zookeeper 感知，HMaster 首先处理遗留的 HLog 文件，将不同 region的 log 数据拆分，分别放到相应 region 目录下，然后再将失效的 region（带有刚刚拆分的 log）重新分配，领取到这些 region 的 HRegionServer 在 Load Region 的过程中，会发现有历史 HLog需要处理，因此会 Replay HLog 中的数据到 MemStore 中，然后 flush 到 StoreFiles，完成数据恢复。

5、RegionServer 工作机制

1、region 分配
任何时刻，一个 region 只能分配给一个 region server。master 记录了当前有哪些可用的 region server。以及当前哪些 region 分配给了哪些 region server，哪些 region 还没有分配。当需要分配的新的 region，并且有一个 region server 上有可用空间时，master 就给这个 region server发送一个装载请求，把 region 分配给这个 region server。region server 得到请求后，就开始对此 region 提供服务。

2、region server 上线
master 使用 zookeeper 来跟踪 region server 状态。当某个 region server 启动时，会首先在zookeeper 上的 server 目录下建立代表自己的 znode。由于 master 订阅了 server 目录上的变更消息，当 server 目录下的文件出现新增或删除操作时，master 可以得到来自 zookeeper 的实时通知。因此一旦 region server 上线，master 能马上得到消息。

3、region server 下线
当 region server 下线时，它和 zookeeper 的会话断开，zookeeper 而自动释放代表这台 server的文件上的独占锁。master 就可以确定：
1、region server 和 zookeeper 之间的网络断开了。
2、region server 挂了。
无论哪种情况，region server 都无法继续为它的 region 提供服务了，此时 master 会删除 server目录下代表这台 region server 的 znode 数据，并将这台 region server 的 region 分配给其它还活着的同志。

6、Master 工作机制

master 上线
master 启动进行以下步骤:
1、从zookeeper上获取唯一一个代表 active master 的锁，用来阻止其它 master 成为 master。
2、扫描 zookeeper 上的 server 父节点，获得当前可用的 region server 列表。
3、和每个 region server 通信，获得当前已分配的 region 和 region server 的对应关系。
4、扫描.META.region 的集合，计算得到当前还未分配的 region，将他们放入待分配 region
列表。
master 下线
由于 master 只维护表和 region 的元数据，而不参与表数据 IO 的过程，master 下线仅导致所有元数据的修改被冻结(无法创建删除表，无法修改表的 schema，无法进行 region 的负载均衡，无法处理 region 上下线，无法进行 region 的合并，唯一例外的是 region 的 split 可
以正常进行，因为只有 region server 参与)，表的数据读写还可以正常进行。因此 master 下线短时间内对整个 hbase 集群没有影响。
从上线过程可以看到，master 保存的信息全是可以冗余信息（都可以从系统其它地方收集到或者计算出来）
因此，一般 hbase 集群中总是有一个 master 在提供服务，还有一个以上的 master 在等待时机抢占它的位置。