Region/Store/StoreFile/Hfile之间的关系
原文地址:
https://blog.csdn.net/lijingjingchn/article/details/89924181
1. Region
table在行的方向上分隔为多个Region。Region是HBase中分布式存储和负载均衡的最小单元,即不同的region可以分别在不同的Region Server上,但同一个Region是不会拆分到多个server上。
Region按大小分隔,表中每一行只能属于一个region。随着数据不断插入表,region不断增大,当region的某个列族达到一个阈值(最新版本默认10G,由参数hbase.hregion.max.filesize配置)时就会分成两个新的region。
2. Store
每一个region有一个或多个store组成,至少是一个store,hbase会把一起访问的数据放在一个store里面,即为每个ColumnFamily建一个store(即有几个ColumnFamily,也就有几个Store)。一个Store由一个memStore和0或多个StoreFile组成。
HBase以store的大小来判断是否需要切分region。
3. MemStore
memStore 是放在内存里的。保存修改的数据即keyValues。当memStore的大小达到一个阀值(最新版本默认128MB;由参数hbase.hregion.memstore.flush.size配置)时,memStore会被flush到文件,即生成一个快照。目前hbase 会有一个线程来负责memStore的flush操作。
4. StoreFile
memStore内存中的数据写到文件后就是StoreFile,即memstore的每次flush操作都会生成一个新的StoreFile,但是当一个store上默认超过3个StoreFile便会对StoreFile进行合并成一个新的StoreFile,由hbase.hstore.compactionThreshold参数控制。StoreFile底层是以HFile的格式保存。
5. HFile
HFile是HBase中KeyValue数据的存储格式,是hadoop的二进制格式文件。一个StoreFile对应着一个HFile。而HFile是存储在HDFS之上的。HFile文件格式是基于Google Bigtable中的SSTable,如下图所示
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。Trailer中又指针指向其他数据块的起始点,FileInfo记录了文件的一些meta信息。
6.补充内容:
从HBase上面的架构图,我们可以看出一张表如何落地的了。
(1)一张表,按行进行横向切分,分成很多数据块,这些块组成一个个region。
(2)在region内部,这些行又可以按列(列簇)分,分成多个store,每个列簇组成一个store,store内部又分成MemStore和StoreFile,数据先写入MemStore,MemStore满了再flush到HFile上。
(3)一个RegionServer上有很多region,这些region可能属于同一张表,也可能属于不同的表。
(4)一个region内部有多个store,但这些store都属于同一张表。因为一个region内不同的store只是一张表不同的列(列簇)。