HBASE中HFile结构-你真的知道Hbase怎么查数据？

HBASE 中 HFile结构

序

since: 2021年4月14日 22:45
auth: Hadi

Hfile

Hbase 的数据以HFile的形式存在HDFS，以下则是HBase的数据存储逻辑结构：

NameSpace > Table > Region > CF > HFile

而HFile则是：

Hfile > Trailer > Load-on-open > bloom Index > Block Data >Root Index > Mediatile Index > Leaf Index > Data Block > KV

HFile存储路径为：

/hbase/data/

可以使用hbase命令来读取HFile文件：

hbase org.apache.hadoop.hbase.io.hfile.HFile -f /上面的路径指定某个HFile -p
// 这个命令还不太行。

逻辑结构

在逻辑结构中，主要为4部分：

• Scanned Block

    DataBlock
    	存储用户KV数据
    LeafIndexBlock
    	存储所索引树的叶子节点数据
    BloomBlock
    	布隆过滤器相关数据
  

• Non-scanned Block

    MetaBlock
    中间节点数据
    扫描Block不会扫描这块
  

• Load-on-open

    会在RegionServer打开HFile时直接加载到内存中
    在Trailer之后
  

• Trailer

    记录了HFile的版本信息，和其他各个部分的offset。
    优先被加载到内存中，然后计算出Load-on-open的长度。
    version
    	最先加载到内存的部分，根据version确定Trailer长度，再加载整个Trailer block
    LoadOnOpenDataOffset
    	load-on-open区的偏移量（便于将其加载到内存）
    FirstDataBlockOffset
    	HFile中第一个Block的偏移量
    LastDataBlockOffset
    	HFile中最后一个Block的偏移量
    numEntries
    	HFile中kv总数
  

物理结构

Block块

HFile文件由各种Block组成。Block默认为64KB,所有的Block都拥有相同的数据结构。
每个Block都包含了BlockHeader和BlockData

Header 元数据信息
核心为BlockType，标识这个Block的类型
	onDiskType
	UncompressedSize
	PrevBlockOffset
Data 具体的数据

BlockType包含八种：

• Trailer Block

• Meta Block
  存储布隆过滤器相关的元数据信息
  用户自定义的KV对，可以被压缩

• Data Block

• Root Index
  根索引

• Intermediate Level Index
  树索引

• Leaf Level Index
  叶子索引

• Bloom Meta Block

• Bloom Block

File info 用户在这一部分添加自己的元信息

DataBlock

存储的KV数据

• KeyLength
• ValueLength
• Key
  rowKey、ColumnFamily、Column Qualifier、TimeStamp、KeyTpe

KeyType种类包含：put、delete、deleteColumn、deleteFamily

• Value
  实际写入数据

以上可以看到，在HBASE中存储的不仅仅是数据，而是每一次的操作。(KeyType的操作类型)

Bloom Block 和 Bloom Index Block

对于给定的key，经过布隆过滤器处理就可以知道HFile中是否存在待检索key。布隆过滤器可以通过计算来获取对应值是否在某个集合中，实现方法是Hash+BitMap实现，具体请参考布隆实现。

不存在的话，就不需要遍历查找该文件，降低IO次数。 布隆过滤器一般会存储在内存中，所以一般整个过程处理耗时基本可以忽略。

在HBase中，为每个HFile都分配了对应的位数组，来存储HFile中K的映射。一旦数据太大就不适合存储在内存中了。因此V2版本将位数组拆分成为了多个位数组。一部分连续的key使用一个数组。这样，一个HFile就会有多个位数组，针对每个key数组有对应的索引，来定位到具体的位数组。

Bloom Index Block 位于Load-on-open部分，在regionServer读取HFile时候，会直接加载到内存中。

所以一个get请求根据布隆过滤器大概分为3步：

• 根据key在Bloom Index Block 所有的索引项中根据BlockKey进行二分查找，定位到对应的Bloom Index Entry
• 根据Bloom index Entry中的BlockIffset以及BlockOndiskSize加载key对应的位数组
• 对key进行hash映射，根据结果判断所在位是1or0

HFlie关于索引的Block

根据索引层级不同，HFlie的索引结构分为

• single-level
• multi-level
  一般2-3级

随着HFile文件越来越大，DataBlock越来越多，索引的数据也就越来越大，无法全部加载到内存。索引使用多级索引，只加载部分索引，从而降低内存使用空间。

索引类型

root Index Block

位于load-ono-open部分
会在regionServer打开HFile时加载到内存中
记录了MidKey相关信息，用于Split操作时，快速定位HFile的切分点位置。

intermediate Index Block

位于Non-Scanned-Block

Leaf Index Block

位于Scanned Block
直接指向时间Data Block

HBase 随机读写

首先使用MemStoreScanner搜索MemStore里面是否含有所查的rowKey，内存中。
同时使用Bloom Block通过一定算法过滤掉大部分一定不包含所查rowKey的HFile。
RegionServer启动的时候就会把Trailer 和Load-on-open-section里的block先后加载到内存// todo 哪里，
所以接下来会查Trailer，因为它记录了每个HFile的偏移量，可以快速排出剩下部分HFile。
读取HFile，根据index Block索引快速查找rowkey所在block位置。
找到block后，查找是否在blockCache中，如果没有就会将其加载到blockCache中。
然后根据查找条件将结果进行放回。

BlockCache

BlockCache会单独发表文章进行讲解，请参考其他blog