目录
3.HBase的flush(刷写)及compact(合并)机制
HBase数据模型与整体架构：https://blog.csdn.net/qq_42029989/article/details/126604310
HBase优化：https://blog.csdn.net/qq_42029989/article/details/126607734
1.HBase读数据流程
hbase表中rowkey按照字典序排序，切分region就是按照rowkey来划分
HBase读操作
- 首先从 zk 找到 meta表 的 region位置，然后读取 meta表 中的数据，meta表 中存储了用户表的 region信息
- 根据要查询的 namespace、表名 和 rowkey 信息。找到写入数据对应的 region 信息
- 找到这个 region 对应的 regionServer，然后发送请求
- 查找对应的region
- 先从 memstore 查找数据，如果没有，再从 BlockCache 读取 HBase上Regionserver 的内存分为两个部分： 一部分作为 Memstore，主要用来写；另外一部分作为BlockCache，主要用于读数据；
- 如果 BlockCache 中也没有找到，再到 StoreFile 上进行读取，从 storeFile 中读取到数据之后，不是直接把结果数据返回给客户端，而是把数据先写入到 BlockCache 中，目的是为了加快后续的查询；然后在返回结果给客户端。
2.HBase写数据流程
HBase写操作
- 首先从 zk 找到 meta表 的 region位置，然后读取 meta表 中的数据，meta表 中存储了用户表的 region信息
- 根据 namespace、表名和rowkey信息。找到写入数据对应的 region 信息
- 找到这个 region 对应的 regionServer，然后发送请求
- 把数据分别写到HLog（write ahead log）和 memstore 各一份
- memstore 达到阈值后把数据刷到磁盘，生成 storeFile 文件
- 删除 HLog 中的历史数据
3.HBase的flush(刷写)及compact(合并)机制
3.1.Flush机制
- 当memstore的大小超过这个值的时候，会flush到磁盘,默认为128M
<property>
<name>hbase.hregion.memstore.flush.size</name>
<value>134217728</value>
</property- 当memstore中的数据时间超过1小时，会flush到磁盘
<property>
<name>hbase.regionserver.optionalcacheflushinterval</name>
<value>3600000</value>
</property>- HregionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%
<property>
<name>hbase.regionserver.global.memstore.size</name>
<value>0.4</value>
</property>- 手动flush
flush tableName3.2.阻塞机制
以上介绍的是Store中memstore数据刷写磁盘的标准，但是Hbase中是周期性的检查是否满足以上标准满足则进行刷写，但是如果在下次检查到来之前，数据疯狂写入Memstore中，会出现什么问题？
会触发阻塞机制，此时无法写入数据到Memstore，数据无法写入Hbase集群。
- memstore中数据达到512MB
计算公式：
hbase.hregion.memstore.flush.size * hbase.hregion.memstore.block.multiplier
hbase.hregion.memstore.flush.size刷写的阀值，默认是 134217728，即128MB。
hbase.hregion.memstore.block.multiplier是一个倍数，默认是4。
- RegionServer全部memstore达到规定值
hbase.regionserver.global.memstore.size.lower.limit是0.95
hbase.regionserver.global.memstore.size是0.4
堆内存总共是 16G
触发刷写的阈值是：6.08GB
触发阻塞的阈值是：6.4GB
3.3.Compact合并机制
在hbase中主要存在两种类型的compac合并
minor compact 小合并
- 在将Store中多个HFile(StoreFile)合并为一个HFile
这个过程中，删除和更新的数据仅仅只是做了标记，并没有物理移除，这种合并的触发频率很高
- minor compact文件选择标准由以下几个参数共同决定：
<!--待合并文件数据必须大于等于下面这个值-->
<property>
<name>hbase.hstore.compaction.min</name>
<value>3</value>
</property>
<!--待合并文件数据必须小于等于下面这个值-->
<property>
<name>hbase.hstore.compaction.max</name>
<value>10</value>
</property>
<!--默认值为128m,表示文件大小小于该值的store file 一定会加入到minor compaction的store file中-->
<property>
<name>hbase.hstore.compaction.min.size</name>
<value>134217728</value>
</property>
<!--默认值为LONG.MAX_VALUE，表示文件大小大于该值的store file 一定会被minor compaction排除-->
<property>
<name>hbase.hstore.compaction.max.size</name>
<value>9223372036854775807</value>
</property>触发条件
- memstore flush
在进行memstore flush前后都会进行判断是否触发compact
- 定期检查线程
周期性检查是否需要进行compaction操作,由参数：hbase.server.thread.wakefrequency决定，默认值是10000 millseconds
major compact 大合并
- 合并Store中所有的HFile为一个HFile
这个过程有删除标记的数据会被真正移除，同时超过单元格 maxVersion 的版本记录也会被删除。合并频率比较低，默认7天执行一次，并且性能消耗非常大，建议生产关闭(设置为 0)，在应用空闲时间手动触发。一般可以是手动控制进行合并，防止出现在业务高峰期。
- major compaction触发时间条件
<!--默认值为7天进行一次大合并，-->
<property>
<name>hbase.hregion.majorcompaction</name>
<value>604800000</value>
</property>- 手动触发
##使用major_compact命令
major_compact tableName4.Region 拆分机制
Region中存储的是大量的rowkey数据 ,当Region中的数据条数过多的时候,直接影响查询效率.当Region过大的时候.HBase会拆分Region , 这也是Hbase的一个优点
4.1.拆分策略
HBase的Region Split策略一共有以下几种：
1）ConstantSizeRegionSplitPolicy 0.94版本前默认切分策略
当region大小大于某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。
但是在生产线上这种切分策略却有相当大的弊端：切分策略对于大表和小表没有明显的区分。阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，这对业务来说并不是什么好事。如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。
2）IncreasingToUpperBoundRegionSplitPolicy 0.94版本~2.0版本默认切分策略
切分策略稍微有点复杂，总体看和 ConstantSizeRegionSplitPolicy 思路相同，一个region大小大于设置阈值就会触发切分。但是这个阈值并不像 ConstantSizeRegionSplitPolicy 是一个固定的值，而是会在一定条件下不断调整，调整规则和 region 所属表在当前 regionserver 上的region个数有关系。
region split的计算公式是：
regioncount^3 * 128M * 2，当region达到该size的时候进行split
例如：
第一次split：1^3 * 256 = 256MB
第二次split：2^3 * 256 = 2048MB
第三次split：3^3 * 256 = 6912MB
第四次split：4^3 * 256 = 16384MB > 10GB，因00000000次split的size都是10GB了
3）SteppingSplitPolicy 2.0版本默认切分策略
这种切分策略的切分阈值又发生了变化，相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些，依然和待分裂region所属表在当前regionserver上的region个数有关系，如果region个数等于1，切分阈值为flush size * 2，否则为MaxRegionFileSize。这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小5表不会再产生大量的小region，而是适可而止。
4）KeyPrefixRegionSplitPolicy
根据rowKey的前缀对数据进行分组，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在进行region split的时候会分到相同的region中。
5）DelimitedKeyPrefixRegionSplitPolicy
保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtype_eventid，指定的delimiter为 _ ，则split的的时候会确保userid相同的数据在同一个region中。
6）DisabledRegionSplitPolicy
不启用自动拆分, 需要指定手动拆分
4.2.RegionSplitPolicy的应用
Region拆分策略可以全局统一配置，也可以为单独的表指定拆分策略。
1）通过hbase-site.xml全局统一配置(对hbase所有表生效)
<property>
<name>hbase.regionserver.region.split.policy</name>
<value>org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy</value>
</property>2）通过Java API为单独的表指定Region拆分策略
HTableDescriptor tableDesc = new HTableDescriptor("test1");
tableDesc.setValue(HTableDescriptor.SPLIT_POLICY, IncreasingToUpperBoundRegionSplitPolicy.class.getName());
tableDesc.addFamily(new HColumnDescriptor(Bytes.toBytes("cf1")));
admin.createTable(tableDesc);3）通过HBase Shell为单个表指定Region拆分策略
hbase> create 'test2', {METADATA => {'SPLIT_POLICY' =>
'org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy'}},{NAME => 'cf1'}5.HBase表的预分区(region)
5.1 为何要预分区？
当一个table刚被创建的时候，Hbase默认的分配一个region 给 table 。也就是说这个时候，所有的读写请求都会访问到同一个 regionServe r的同一个 region 中，这个时候就达不到负载均衡的效果了，集群中的其他 regionServer 就可能会处于比较空闲的状态。解决这个问题可以用pre-splitting,在创建table的时候就配置好，生成多个region。
- 增加数据读写效率
- 负载均衡，防止数据倾斜
- 方便集群容灾调度region
每一个region维护着startRow 与 endRowKey，如果加入的数据符合某个region维护的rowKey范围，则该数据交给这个region维护。
5.2 手动指定预分区
create 'person','info1','info2',SPLITS => ['1000','2000','3000']也可以把分区规则创建于文件中
vim split.txt文件内容
aaa
bbb
ccc
ddd执行
create 'student','info',SPLITS_FILE => '/root/hbase/split.txt'6.Region 合并
Region的合并不是为了性能，而是出于维护的目的。
通过Merge类冷合并Region（需要先关闭hbase集群）
需求：需要把student表中的2个region数据进行合并
student,1593244870695.10c2df60e567e73523a633f20866b4b5.
student,1000,1593244870695.0a4c3ff30a98f79ff6c1e4cc927b3d0d.
这里通过org.apache.hadoop.hbase.util.Merge类来实现，不需要进入hbase shell，直接执行（需要先关闭hbase集群）：
hbase org.apache.hadoop.hbase.util.Merge student \
student,,1595256696737.fc3eff4765709e66a8524d3c3ab42d59. \
student,aaa,1595256696737.1d53d6c1ce0c1bed269b16b6514131d0.通过online_merge热合并Region（不需要关闭hbase集群，在线进行合并）
与冷合并不同的是，online_merge的传参是Region的hash值，而Region的hash值就是Region名称的最后那段在两个.之间的字符串部分。
需求：需要把lagou_s表中的2个region数据进行合并：
student,,1587392159085.9ca8689901008946793b8d5fa5898e06. \
student,aaa,1587392159085.601d5741608cedb677634f8f7257e000.
需要进入hbase shell：
merge_region 'c8bc666507d9e45523aebaffa88ffdd6','02a9dfdf6ff42ae9f0524a3d8f4c7777‘
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
