HBase-服务端处理请求的过程

最新推荐文章于 2022-05-25 10:56:36 发布

peixun123

最新推荐文章于 2022-05-25 10:56:36 发布

阅读量367

点赞数

分类专栏： hadoop 文章标签：大数据 ui

本文链接：https://blog.csdn.net/peixun123/article/details/84600267

版权

hadoop 专栏收录该内容

21 篇文章 0 订阅

订阅专栏

Region的架构

HRegionServer:

配置:

hbase.client.retries.number (默认10) 客户端的重试次数

hbase.regionserver.msginterval (默认3*1000) ???

hbase.regionserver.checksum.verify(默认false) 是否启用checksum

hbase.server.thread.wakefrequency(默认10*1000) 线程检查频率

hbase.regionserver.numregionstoreport(默认10) ???

hbase.regionserver.handler.count(默认10) handler处理线程个数

hbase.regionserver.metahandler.count(默认10) 处理meta和root的线程个数

hbase.rpc.verbose(默认false)

hbase.regionserver.nbreservationblocks(默认4)

hbase.regionserver.compactionChecker.majorCompactPriority(默认Integer.MAX_VALUE)

HRegionServer的主要操作:

包含的类有

HRegion集合

Leases(租借时间检查)

HMasterRegionInterface(管理hbase)

HServerLoad(hbase负载)

CompactSplitThread(用于合并处理)

MemStoreFlusher(用于刷新memstore)

HLog(WAL相关)

LogRoller(日志回滚)

ZooKeeperWatcher(zk监听)

SplitLogWorker(用于切分日志)

ExecutorService(用户启动open,close HRegion的线程池)

ReplicationSourceService和ReplicationSinkService(replication相关)

HealthCheckChore(健康检查)

一些监听类

MasterAddressTracker

CatalogTracker

ClusterStatusTracker

一些函数

postOpenDeployTasks() 此函数用于更新root表或meta表

各种CURD，scanner，increment操作

multi操作(对于delete和put)

对HRegion的flush,close,open(提交到线程池去做)

split,compact操作，这些最终由一个具体的HRegion去完成

启动的线程

hbase.regionserver.executor.openregion.threads 3

hbase.regionserver.executor.openroot.threads 1

hbase.regionserver.executor.openmeta.threads 1

hbase.regionserver.executor.closeregion.threads 3

hbase.regionserver.executor.closeroot.threads 1

hbase.regionserver.executor.closemeta.threads 1

hlog roller

cache flusher

compact

health check

lease

WEB UI

replication

rpc server

split worker

HRegion

配置:

HRegion的主要操作:

1.CURD和increment操作

2.doMiniBatchMutation操作(用于delete和put)

3.对region的open,delete,init,close，以及addRegionToMeta等操作

4.snapshot

5.bulkload

6.split

7.compact(major,minor)

8.lock

包含的内部类

WriteState(在flush，close，compact时会根据这个类加锁)

RegionScannerImpl(scan的region级别操作)

coprocessor的处理原理

//HRegion的构造函数
coprocessorHost = new RegionCoprocessorHost(this, rsServices, conf);

//RegionCoprocessorHost类中  将自定义的coprocessor类加载进来，并放到集合中
protected SortedSet<E> coprocessors = new SortedCopyOnWriteSet<E>(new EnvironmentPriorityComparator());
public RegionCoprocessorHost类中() {
 	// load system default cp's from configuration.
	loadSystemCoprocessors(conf,"hbase.coprocessor.region.classes");
	
	// load system default cp's for user tables from configuration.
    if (!HTableDescriptor.isMetaTable(region.getRegionInfo().getTableName())) {
		loadSystemCoprocessors(conf,"hbase.coprocessor.user.region.classes");		
    }
    
	// load Coprocessor From HDFS
    loadTableCoprocessors(conf);
}

public void load相关函数() {
	//1.从当前线程上下文classloader中找到类并加载
	//2.放到coporcessors集合中
}

//coprocessor的执行过程
//coprocessorHost.preFlush()时候会遍历执行所有集合中的处理器
HRegion#flush() {
	//1.coprocessorHost.preFlush();
	//2.flush
	//3.coprocessorHost.postFlush();
}

服务端接收处理过程

HBaseServer$Listener的run()函数和doAccept()函数简化如下这是一个独立的listene线程

while (running) {
	SelectionKey key = null;
	selector.select(); // FindBugs IS2_INCONSISTENT_SYNC
	Iterator<SelectionKey> iter = selector.selectedKeys().iterator();
	while (iter.hasNext()) {
		key = iter.next();
		iter.remove();
		if (key.isValid()) {
	    	if (key.isAcceptable())
	      		doAccept(key);
  			}
		}
	}
}

void doAccept(SelectionKey key) {
	ServerSocketChannel server = (ServerSocketChannel) key.channel();
	currentReader = (currentReader + 1) % readers.length;
	Reader reader = readers[currentReader];
	readSelector.wakeup();
	SelectionKey readKey = reader.registerChannel(channel);
    c = getConnection(channel, System.currentTimeMillis());
    readKey.attach(c);
}

HBaseServer$Listener$Reader的run()函数简化如下这是一个独立的select线程

while (running) {
	SelectionKey key = null;
	readSelector.select();
	while (adding) {
		this.wait(1000);
	}	
	Iterator<SelectionKey> iter = readSelector.selectedKeys().iterator();
	while (iter.hasNext()) {
		key = iter.next();
		iter.remove();
		if (key.isValid()) {
			if (key.isReadable()) {
				doRead(key);
			}
		}
	}
}

//doRead()主要是读取远端的数据并解析处理
//没有这个process()函数，只是将逻辑简化了一下展示而言
//解析id，param并封装成一个Call对象，插入到并发队列中，之后由Handler线程处理
void process() {
	int id = dis.readInt(); 
	param = ReflectionUtils.newInstance(paramClass, conf);//read param
	param.readFields(dis);
	Call call = new Call(id, param, this, responder, callSize);
	        
	if (priorityCallQueue != null && getQosLevel(param) > highPriorityLevel) {
		priorityCallQueue.put(call);
	} else if (replicationQueue != null && getQosLevel(param) == HConstants.REPLICATION_QOS) {
		replicationQueue.put(call);
	} else {
		callQueue.put(call); // queue the call; maybe blocked here
	}
}

HBaserServer$Handler的run()函数简化如下

public void run() {
	//这里的myCallQueue和callQueue是一个队列
	Call call = myCallQueue.take();
	Invocation call = (Invocation)param;
	Method method = protocol.getMethod(call.getMethodName(),
		call.getParameterClasses());
		Object[] params = call.getParameters();
	Object value = method.invoke(impl, params);
	
	//最后会调用到HBaserServer自身的某个函数
        //onlineRegions 是ConcurrentHashMap<String, HRegion>()
        String name = HRegionInfo.encodeRegionName(regionName)
        onlineRegions.get(name);
	Result r = region.getClosestRowBefore(row, family);
	return r;
}

flush的过程

服务端是收到了客户端发来的flushRegion请求，具体过程参见客户端请求过程一文

客户端如果是flush全表，先是获取这个表的所有region名字，然后做一次批量的flushRegion请求(多个请求)，但是所有的请求都是在一个线程中执行的

和flush相关的类函数简化如下，1-4是调用顺序

1.HRegion#flushcache()

2.HRegion#internalFlushcache()

3.Store#internalFlushCache()

4.StoreFile$Writer#append()

//刷新region中的数据，注意有一个读锁
HRegion#flushcache() {
	try {
		lock.readLock().lock();
		internalFlushcache(status);
	} finally {
		lock.readLock().unlock();
	}
}

//这里是遍历获取region中的所有store，然后对每个store都创建一个
//StoreFlusher对象，使用这个对象来刷新数据
//注意在获取所有Store的时候使用了写锁
HRegion#internalFlushcache() {
	try {
		this.updatesLock.writeLock().lock();
		List<StoreFlusher> storeFlushers = new ArrayList<StoreFlusher>(stores.size());
		for (Store s : stores.values()) {
			storeFlushers.add(s.getStoreFlusher(completeSequenceId));
	    }	
	} finally {
		this.updatesLock.writeLock().unlock();
	}
	for (StoreFlusher flusher : storeFlushers) {
		flusher.flushCache(status);
	}
}

//将memstore中的数据取出然后遍历所有的KV
//将其刷新到HFile中，注意刷新的时候有一个flush锁
Store#internalFlushCache() {
	InternalScanner scanner = null;
    KeyValueScanner memstoreScanner = new CollectionBackedScanner(set, this.comparator);	
	
  	Scan scan = new Scan();
	scan.setMaxVersions(scanInfo.getMaxVersions());
	scanner = new StoreScanner(this, scanInfo, scan,
		Collections.singletonList(memstoreScanner), ScanType.MINOR_COMPACT,
		this.region.getSmallestReadPoint(), HConstants.OLDEST_TIMESTAMP);

	try {
		flushLock.lock();
		StoreFile.Writer writer = createWriterInTmp(set.size());
		List<KeyValue> kvs = new ArrayList<KeyValue>();
		boolean hasMore;
		do {
			hasMore = scanner.next(kvs, compactionKVMax);
			for (KeyValue kv : kvs) {
				Writer.append(kv);
				flushed += this.memstore.heapSizeChange(kv, true);		
			}
			kvs.clear();
		}while(hasMore);	
	} finally {
		flushLock.unlock();
	}
}

//如果配置了布隆过滤器这里也会创建，最后调用
//HFileWriterV2将数据写入
StoreFile$Writer#append(final KeyValue kv) {
	appendGeneralBloomfilter(kv);
	appendDeleteFamilyBloomFilter(kv);
	HFileWriterV2#append(kv);
	trackTimestamps(kv);
}

单个多个put和多个delete的过程

最终是将KeyValue存到KeyValueSkipListSet中，这个类内部是采用ConcurrentSkipListMap实现的

服务端是接收到客户端发来的multi请求

注意只有put操作(单个put和批量put操作)以及批量的delete操作才会执行上面的调用逻辑

incr和单个delete采用了不同的处理逻辑

简化的核心处理函数如下:

//对put和delete操作，都会进到这个函数里面
HRegion#doMiniBatchMutation() {
	//1.试着获取锁
	//2.更新时间戳
	lock(this.updatesLock.readLock(), numReadyToWrite);
	
	//3.写入到memstore中	
	long addedSize = 0;
	for (int i = firstIndex; i < lastIndexExclusive; i++) {
		addedSize += applyFamilyMapToMemstore(familyMaps[i], w);	
	}
	
	//4.写入到WALEdit中
	addFamilyMapToWALEdit(familyMaps[i], walEdit);
	
	//5.写入到HLog中(不做sync)
	HLog.appendNoSync(regionInfo, this.htableDescriptor.getName(),
		walEdit, first.getClusterId(), now, this.htableDescriptor);
		
	//6.释放锁
	this.updatesLock.readLock().unlock();
	//7.同步WALEdit
	//8.mvcc相关
	mvcc.completeMemstoreInsert(w);	
	//9.执行coprocessor hook
}

这里没有memstore满了判断逻辑，而是由单独的一个线程(cacheFlusher)出处理的

写入到memstore的判断逻辑图

incr的过程

核心处理逻辑如下

HRegion#increment() {
    Map<Store, List<KeyValue>> tempMemstore = new HashMap<Store, List<KeyValue>>();
    try {
	    Integer lid = getLock(lockid, row, true);
	    lock(this.updatesLock.readLock());      
		byte [] row = increment.getRow();
		Get get = new Get(row);
		List<KeyValue> results = get(get, false);
		for(KeyValue kv : results) {
			KeyValue kv = results.get();
			if(kv.getValueLength() == Bytes.SIZEOF_LONG) {
				amount += Bytes.toLong(kv.getBuffer(), kv.getValueOffset(), Bytes.SIZEOF_LONG);
			} else {
				throw new DoNotRetryIOException("Attempted to increment field that isn't 64 bits wide");
			}
		}
	
		if (writeToWAL) {
			walEdits.add(newKV);
		}
		tempMemstore.put(store, kvs);
		//将WALEdit sync到HLog中
	
		size = this.addAndGetGlobalMemstoreSize(size);
		flush = isFlushSize(size);
	    if (flush) {
			requestFlush();
	    }
    } finally {    
		this.updatesLock.readLock().unlock();
        releaseRowLock(lid);
    }
}

可以看到incrment的执行流程是先根据row创建Get对象，然后获取这个值，再对这个值做++操作

并将结果放到临时缓存中，如果缓存已满就做刷新

从获取数据到，再做++操作，最后写入缓存(可能还要做刷新处理)这么一段过程都是需要加锁处理的，加锁只是一个行锁

单个delete的过程

主要处理简化逻辑如下

HRegion#delete(){
	try {
		lid = getLock(lockid, row, true);
		internalDelete()
	} finally {
		releaseRowLock(lid);
	}
}

HRegion#internalDelete() {
	try {
		updatesLock.readLock().lock();
		//将KeyValue写入到WALEdit中
		for(family : 获取delete关联的所有famliy) {
			Store store = getStore(family);
        	for (KeyValue kv: edits) {
          		kv.setMemstoreTS(localizedWriteEntry.getWriteNumber());
          		addedSize += store.add(kv);
        	}
		}
		flush = isFlushSize(this.addAndGetGlobalMemstoreSize(addedSize));
		if (flush) {
      		requestFlush();
    	}
	} finally {
		updatesLock.readLock().unlock();
	}	
}

delete是将所有的column famliy都遍历一遍然后删除和这个key相关的所有famliy，并写入缓存中，如果缓存满了就做刷新处理，同时在删除的时候会有更新锁。

get的过程

下面是核心处理逻辑，可以看到get最后是通过scan来处理的，也就是简单的将scan包装了一下

HRegion#get() {
	List<KeyValue> results = new ArrayList<KeyValue>();
	Scan scan = new Scan(get);
	RegionScanner scanner = getScanner(scan);
	List<KeyValue> list = scanner.next(results, SchemaMetrics.METRIC_GETSIZE);
	return Result(list);
}

scan过程

scan是最复杂的操作，其中包含了getClosestRowBefore，openScanner，next三个操作

第一个是对用于对META和ROOT表操作的，第二个用于创建一个scan对象，第三个用于做遍历操作

首先看第一个closestRowBefore的时序图

这里简单来说有这么几步操作

1.通过Store调用HFileReaderV2，这里主要用于打开一个HFile文件，然后定位到指定的key前面或者后面。

这步操作是用于在ROOT表中获取特定的KeyValue，info:server这个KeyValue，然后将这个值封装成

Get对象再去查询META表

2.调用get函数对数据进行获取，get内部又是调用scan函数的，所以实际会创建一个StroeScanner对象

3.StoreScanner也就是对底层的HFileScanner的简单封装

4.之后调用next()获取一段数据，这里还会有嵌入了filter的执行逻辑

5.最后返回给用户的是Result结果，这里就是META表中的一条记录

getClosestRowBefore的调用栈如下

scan操作的类图如下

Store是核心的类，这个类中包含了若干个StoreFile，每个StoreFile类中又有一个Reader和Writer内部类。

通过Reader内部类可以返回一个StroeFileScanner对象

而最终上层在做scan的时候，是通过RegionScannerImpl去做的，这里就包含了filter的过滤逻辑。

执行逻辑如下

//定位到一个具体的Store后，然后在这个Sotre中查找最接近指定key的KeyValue
//再根据这个KeyValue做一次get查询
//简单来说就是根据特定的key直接从HFile中查找最接近的KeyValue
//然后封装成Get操作，从META表中查询出List<KeyValue>并返回
HRegion#getClosestRowBefore() {
	startRegionOperation();
	Store store = getStore(family);
	KeyValue key = store.getRowKeyAtOrBefore(row);
	if (key != null) {
		Get get = new Get(key.getRow());
        get.addFamily(family);
        result = get(get, null);
	}
}


//先从memstore中查找最匹配的key，然后再遍历当前Store下的所有的HFile
//找到最匹配的那个key
//比如客户端发起查询.META.,test,,99999999999999,99999999999999
//实际找到key为(返回info:server那个KeyValue)
//.META.,,1/info:server/1423222815731/Put/vlen=23/ts=0
Store#getRowKeyAtOrBefore() {
	this.memstore.getRowKeyAtOrBefore(state);
	for (StoreFile sf : Lists.reverse(storefiles)) {
		rowAtOrBeforeFromStoreFile(sf, state);
	}
}

//这里是定位到-ROOT-表中的info:server 这一个KeyValue并返回
Store#rowAtOrBeforeFromStoreFile() {
	 HFileScanner scanner = r.getScanner(true, true, false);
	 if (!seekToScanner(scanner, firstOnRow, firstKV)) return;
	 if (walkForwardInSingleRow(scanner, firstOnRow, state)) return;
	 while (scanner.seekBefore(firstOnRow.getBuffer(), firstOnRow.getKeyOffset(),firstOnRow.getKeyLength())) {
     	KeyValue kv = scanner.getKeyValue();
      	if (!state.isTargetTable(kv)) break;
      	if (!state.isBetterCandidate(kv)) break;
      	// Make new first on row.
      	firstOnRow = new KeyValue(kv.getRow(), HConstants.LATEST_TIMESTAMP);
      	// Seek scanner.  If can't seek it, break.
      	if (!seekToScanner(scanner, firstOnRow, firstKV)) break;
      	// If we find something, break;
      	if (walkForwardInSingleRow(scanner, firstOnRow, state)) break;
    }
}


//先是在缓存中查找，如果找到就返回
//否则就在HFile中查找，找到后再放到缓存中
//这里读取的是一个data block
HFileReaderV2#readBlock() {
	BlockCacheKey cacheKey = new BlockCacheKey(name, dataBlockOffset,
	dataBlockEncoder.getEffectiveEncodingInCache(isCompaction),
	expectedBlockType);
            
	HFileBlock cachedBlock = (HFileBlock)cacheConf.getBlockCache().
	getBlock(cacheKey, cacheBlock, useLock);
	if (cachedBlock != null) {
		return cachedBlock;
	}                      
	HFileBlock hfileBlock = fsBlockReader.readBlockData(dataBlockOffset,onDiskBlockSize, -1, pread);
	cacheConf.getBlockCache().cacheBlock(cacheKey, hfileBlock,cacheConf.isInMemory());                
}


//执行到这里的时候已经获取到key在META表中的接近key了
//然后在执行get操作根据META表的key再从META表中获取一条数据返回
//nextRaw最后会调用nextInternal做处理
HRegion$RegionScannerImpl#nextRaw() {
if (outResults.isEmpty()) {
        // Usually outResults is empty. This is true when next is called
        // to handle scan or get operation.
        returnResult = nextInternal(outResults, limit, metric);
      } else {
        List<KeyValue> tmpList = new ArrayList<KeyValue>();
        returnResult = nextInternal(tmpList, limit, metric);
        outResults.addAll(tmpList);
      }		
}


//这个函数通过KeyValueHeap获取一条KeyValue
//KeyValueHeap是调用StoreScanner#next()
//而StoreScanner最终会调用HFileReaderv2$ScannerV2#next()
//获取一条KeyValue，最后返回一个List<KeyValue>，也就是Result
//返回结果为
//[.META.,,1/info:regioninfo/1423222781931/Put/vlen=34/ts=0, 
//.META.,,1/info:server/1423222815731/Put/vlen=23/ts=0, 
//.META.,,1/info:serverstartcode/1423222815731/Put/vlen=8/ts=0, 
//.META.,,1/info:v/1423222781931/Put/vlen=2/ts=0]
HRegion$RegionScannerImpl#nextInternal() {
	// Let's see what we have in the storeHeap.
	KeyValue current = this.storeHeap.peek();	
	//之后再做一些filter操作，判断是否需要终止后续逻辑
}

openscanner的执行过程

执行逻辑如下

//这里的逻辑是创建一个RegionScanner对象，这个对象内部是封装了RegionScannerImpl
//最终是调用HFileReaderV2定位到一个具体的data block附近，然后将这个scann对象缓存起来
//并创建一个scannID，将id和scan对象放到map中，并将scannID返回给用户
//之后用户就根据这个scanID去做scan操作
HRegionServer#openScanner() {
	HRegion r = getRegion(regionName);
	RegionScanner s = r.getScanner(scan);	
	return addScanner(s);
}


//创建RegionScannerImpl待以后使用
HRegion#instantiateRegionScanner() {
	//返回类型为RegionScanner
	return new RegionScannerImpl(scan, additionalScanners, this);	
}


//RegionScannerImpl的构造函数
//此时会创建一个StoreScanner对象
//并调用StoreFileScanner#seek()
RegionScannerImpl#init() {
	 for (Map.Entry<byte[], NavigableSet<byte[]>> entry :scan.getFamilyMap().entrySet()) {
        Store store = stores.get(entry.getKey());
        //这里会创建一个StoreScanner对象
        KeyValueScanner scanner = store.getScanner(scan, entry.getValue());	
     	scanners.add(scanner);   
    }
}


StoreFileScanner#seek() {
	//1.定位到指定的key附近
	seekAtOrAfter()
}


//生成一个scannID，放到map中(map的key是scannID，value是RegionScannerImpl)
//最后再创建一个租借时间的监听器
HRegionServer#addScanner() {
    scannerId = rand.nextLong();
    String scannerName = String.valueOf(scannerId);
    scanners.put(scannerName, s);
    this.leases.createLease(scannerName, new ScannerListener(scannerName));	
}

next的执行过程

执行逻辑如下

//首先根据scannID获取scan对象
//然后使用这个scan对象获取数据
//最后返回Result[] 数组给客户端
HRegionServer#next() {
	RegionScanner s = this.scanners.get(scannID);
	this.leases.cancelLease(scannID);
	HRegion region = getRegion(s.getRegionInfo().getRegionName());	
	List<Result> results = new ArrayList<Result>(nbRows);
	boolean moreRows = s.nextRaw(values, SchemaMetrics.METRIC_NEXTSIZE);
	results.add(new Result(values));
	this.leases.addLease(lease);
	//最终返回Result[] 数组	
}


//使用RegionScannerImpl这个内部类来抓取数据
HRegion$RegionScannerImpl#nextRaw() {
	if (outResults.isEmpty()) {
		// Usually outResults is empty. This is true when next is called
		// to handle scan or get operation.
		returnResult = nextInternal(outResults, limit, metric);
	} else {
		List<KeyValue> tmpList = new ArrayList<KeyValue>();
		returnResult = nextInternal(tmpList, limit, metric);
		outResults.addAll(tmpList);
	}
}


//populateResult函数中调用KeyValueHeap#next()获取一条KeyValue
HRegion$RegionScannerImpl#nextInternal() {
	boolean stopRow = isStopRow(currentRow, offset, length);	
	KeyValue nextKv = populateResult(results, this.storeHeap, limit, currentRow, offset,
	length, metric);
	//一系列的filter，过滤一些东西，看是否需要结束
}


//批量抓取一些KeyValue
KeyValueHeap#next() {
	InternalScanner currentAsInternal = (InternalScanner)this.current;
    boolean mayContainMoreRows = currentAsInternal.next(result, limit, metric);
    KeyValue pee = this.current.peek();
	
}


//这里有很复杂的switch判断，主要给filter使用的
//根据不同的情况可能会出现重现定位reseek()
StoreScanner#next() {
	switch(code) {
		case SEEK_NEXT_ROW: {
			reseek(matcher.getKeyForNextRow(kv)); break;
		}
		case SEEK_NEXT_COL: {
			reseek(matcher.getKeyForNextColumn(kv)); break;	
		}
		case SKIP: {
			KeyValueHeap.next();	
		}
		//......
	}	
}


//调用HFileReaderV2定位具体的data block
StoreFileScanner#reseek() {
 	if (!reseekAtOrAfter(hfs, key)) {
		close();
        return false;
	}
	cur = HFileReaderV2$ScannerV2.getKeyValue();
}

peixun123

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
HBase-服务端处理请求的过程

Region的架构 HRegionServer:配置:hbase.client.retries.number (默认10) 客户端的重试次数hbase.regionserver.msginterval (默认3*1000) ???hbase.regionserver.checksum.verify(默认false) 是否启用checksumhbase....
复制链接

扫一扫

专栏目录