HBase Regoin切分流程原理

Region切分准备工作-寻找SplitPoint

       region切分策略会触发region切分，切分开始之后的第一件事是寻找切分点-splitpoint。所有默认切分策略，无论是ConstantSizeRegionSplitPolicy、 IncreasingToUpperBoundRegionSplitPolicy 抑或是SteppingSplitPolicy，对于切分点的定义都是一致的。当然，用户手动执行切分时是可以指定切分点进行切分的，这里并不讨论这种情况

那切分点是如何定位的呢?

        整个region中最大store中的最大文件中最中心的一个block的首个rowkey 。这是一句比较消耗脑力的语句，需要细细品味。另外，HBase还规定，如果定位到的rowkey是整个文件的首个rowkey或者最后一个rowkey的话，就认为没有切分点。

什么情况下会出现没有切分点的场景呢?

       最常见的就是一个文件只有一个block，执行split的时候就会发现无法切分。很多新同学在测试split的时候往往都是新建一张新表，然后往新表中插入几条数据并执行一下flush，再执行split，奇迹般地发现数据表并没有真正执行切分。
  

Region核心切分流程

HBase将整个切分过程包装成了一个事务，意图能够保证切分事务的原子性。
整个分裂事务过程分为三个阶段：prepare – execute – (rollback)

prepare阶段：在内存中初始化两个子region，具体是生成两个HRegionInfo对象，包含tableName、regionName、startkey、endkey等。同时会生成一个transaction journal，这个对象用来记录切分的进展，具体见rollback阶段。

execute阶段：切分的核心操作。

1.regionserver 更改ZK节点 /region-in-transition 中该region的状态为SPLITING。

2.master通过watch节点/region-in-transition检测到region状态改变，并修改内存中region的状态,在master页面RIT模块就可以看到region执行split的状态信息。

3.在父存储目录下新建临时文件夹.split保存split后的daughter region信息。

4.关闭parent region：parent region关闭数据写入并触发flush操作，将写入region的数据全部持久化到磁盘。此后短时间内客户端落在父region上的请求都会抛出异常NotServingRegionException。

5.核心分裂步骤：
 在.split文件夹下新建两个子文件夹，称之为daughter A、daughter B，
 并在文件夹中生成reference文件，分别指向父region中对应文件。
 这个步骤是所有步骤中最核心的一个环节。
 除此之外，还需要关注reference文件的文件内容，reference文件是一个引用文件(并非linux链接文件)，
 文件内容很显然不是用户数据。文件内容其实非常简单，
 主要有两部分构成：
    其一是切分点 splitkey，
    其二是一个boolean类型的变量(true或者false)，
    true表示该reference文件引用的是父文件的上半部分(top)，
    而false表示引用的是下半部分 (bottom）

6.父region分裂为两个子region后， 将daughter A、daughter B拷贝到HBase根目录下，形成两个新的region。

7.parent region通知修改 hbase.meta 表后下线，不再提供服务。下线后parent region在meta表中的信息并不会马上删除，而是标注split列、offline列为true，并记录两个子region。

8.开启daughter A、daughter B两个子region。通知修改 hbase.meta 表，正式对外提供服务；

rollback阶段：
如果execute阶段出现异常，则执行rollback操作。
为了实现回滚，整个切分过程被分为很多子阶段，
回滚程序会根据当前进展到哪个子阶段清理对应的垃圾数据。
代码中使用 JournalEntryType 来表征各个子阶段