非关系型分布式数据库系统HBase——(读写数据，flush及compact，拆分机制，预分区，Region合并)

HBase读写数据流程

HBase读数据流程

1. 首先从zookeeper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
2. 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
3. 找到这个region对应的regionServer，然后发送请求
4. 查找对应的region
5. 先从memstore查找数据，如果没有，再从BlockCache上读取
   1. 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；
6. 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。

HBase写数据流程

1. 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
2. 根据namespace、表名和rowkey信息。找到写入数据对应的region信息
3. 找到这个region对应的regionServer，然后发送请求
4. 把数据分别写到HLog（write ahead log）和memstore各一份
5. memstore达到阈值后把数据刷到磁盘，生成storeFile文件
6. 删除HLog中的历史数据

HBase的flush(刷写)及compact(合并)机制

Flush机制

1. 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>
   

2. 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>
   

3. 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>
   

4. 手动flush：flush tableName

阻塞机制

1. Flush机制是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。
   1. memstore中数据达到512MB，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。
   2. 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的话，触发刷写的阈值是：6.08GB，触发阻塞的阈值是：6.4GB

Compact合并机制

1. 在hbase中主要存在两种类型的compac合并：minor compact 小合并和minor compact 大合并

minor compact 小合并

1. 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。

   1. 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>
      

   2. minor compact 小合并触发条件

      1. 在进行memstore flush前后都会进行判断是否触发compact
      2. 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

minor compact 大合并

1. 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。
2. major compact 大合并合并频率比较低，默认7天执行一次，并且性能消耗非常大，一般可以是手动控制进行合并，防止出现在业务高峰期。
3. major compaction触发时间条件
   csharp <!--默认值为7天进行一次大合并，--> <property> <name>hbase.hregion.majorcompaction</name> <value>604800000</value> </property>
   4. 手动触发大合并
   csharp ##使用major_compact命令 major_compact tableName

Region 拆分机制

1. 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
   

HBase的拆分策略

我用的是Hbase 1.3的版本，拆分策略为：IncreasingToUpperBoundRegionSplitPolicy

1. 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，因此取较小的值10GB
   后面每次split的size都是10GB了
   

2. HBase的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'}
   

HBase表的预分区(region)

为什么要预分区？

1. 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regionServer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。

预分区的好处

1. 增加数据读写效率
2. 负载均衡，防止数据倾斜
3. 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

预分区的方式

1. 手动指定预分区：

   create 'person','info1','info2',SPLITS => ['1000','2000','3000']
   

2. 把分区规则创建于文件中执行

   vim split.txt
   aaa
   bbb
   ccc
   ddd
   
   create 'student','info',SPLITS_FILE => '/root/hbase/split.txt'
   

Region 合并

1. 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

1. 通过Merge类冷合并Region，需要先关闭hbase集群

2. 把student表中的2个region数据进行合并：

   student,,1593244870695.10c2df60e567e73523a633f20866b4b5. 
   student,1000,1593244870695.0a4c3ff30a98f79ff6c1e4cc927b3d0d.
   

3. 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

1. 不需要关闭hbase集群，在线进行合并

2. 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。

3. 需要进入hbase shell：

   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.
   
   merge_region'c8bc666507d9e45523aebaffa88ffdd6','02a9dfdf6ff42ae9f0524a3d8f4c7777'