Hbase

一、架构图

1）StoreFile
保存实际数据的物理文件，StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有
一个或多个 StoreFile（HFile），数据在每个 StoreFile 中都是有序的。
2）MemStore
写缓存，由于 HFile 中的数据要求是有序的，所以数据是先存储在 MemStore 中，排好序后，等到达刷写时机才会刷写到 HFile，每次刷写都会形成一个新的 HFile。
3）Hlog/wal
由于数据要经 MemStore 排序后才能刷写到 HFile，但把数据保存在内存中会有很高的
概率导致数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件
中，然后再写入 MemStore 中。所以在系统出现故障的时候，数据可以通过这个日志文件重
建。
4) zk
承担master一部分工作，如与client交互，master对表结构的ddl操作

二、写流程

1）Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。 2）访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，
查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以
及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。
3）与目标 Region Server 进行通讯；
4）将数据顺序写入（追加）到 WAL； 5）将数据写入对应的 MemStore，数据会在 MemStore 进行排序； 6）向客户端发送 ack； 7）等达到 MemStore 的刷写时机后，将数据刷写到 HFile。

源码流程：先在内存构建wal,将wal追加到上一次的wal下，不写到hdfs里，然后开始将数据写内存，然后释放锁，同步wal,如果同步失败，就删除内存中的数据，是一次事务。

三、MemStore Flush

MemStore 刷写时机：
1.当某个 memstroe 的大小达到了 hbase.hregion.memstore.flush.size（默认值 128M）， 其所在 region 的所有 memstore 都会刷写。 当 memstore 的大小达到了
hbase.hregion.memstore.flush.size（默认值 128M） * hbase.hregion.memstore.block.multiplier（默认值 4）
时，会阻止继续往该 memstore 写数据。

2.当 region server 中 memstore 的总大小达到
java_heapsize
*hbase.regionserver.global.memstore.size（默认值 0.4） hbase.regionserver.global.memstore.size.lower.limit（默认值 0.95），
region 会按照其所有 memstore 的大小顺序（由大到小）依次进行刷写。直到 region server
中所有 memstore 的总大小减小到上述值以下。 当 region server 中 memstore 的总大小达到
java_heapsizehbase.regionserver.global.memstore.size（默认值 0.4）
时，会阻止继续往所有的 memstore 写数据。

3 到达自动刷写的时间，也会触发 memstore flush。自动刷新的时间间隔由该属性进行
配置 hbase.regionserver.optionalcacheflushinterval（默认 1 小时）。

4.当 WAL 文件的数量超过 hbase.regionserver.max.logs，region 会按照时间顺序依次进
行刷写，直到 WAL 文件数量减小到 hbase.regionserver.max.log 以下（该属性名已经废弃，
现无需手动设置，最大值为 32）。

四、读流程

1）Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。

2）访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，
查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。

3）与目标 Region Server 进行通讯；

4）分别在 Block Cache（读缓存），MemStore 和 Store File（HFile）中查询目标数据，并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本（time stamp）或者不同的类型（Put/Delete）。

5） 将从文件中查询到的数据块（Block，HFile 数据存储单元，默认大小为 64KB）缓存到
Block Cache。 6）将合并后的最终结果返回给客户端。

五、删除数据

1.flush
如果在内存中知道已经过时了，则删除；
2.merge compact(大)
在磁盘中进行对比，谁过时谁删除；

六、DeleteAPI

非常绕，半天才明白过来：
1.指定Rowkey删除：删除所有版本数据，标记为DeleteFamily

2.指定Rowkey删除+时间戳：删除小于等于该时间戳的所有版本数据,标记为DeleteFamily

3.指定Rowkey+列族 删除：删除所有版本数据，标记为DeleteFamily

4.指定Rowkey+列族 删除+时间戳：删除小于等于该时间戳的所有版本数据,标记为DeleteFamily

5.指定列名删除（delete.addColumn）：删除指定列最新版本，如果是flush前删除的话，以前的版本会再次出现，慎用，删除标记为Delete

6.指定列名删除（delete.addColumn）+时间戳：删除该时间戳的版本，与其他时间戳没有关系，删除标记为Delete

7.指定列名删除（delete.addColumns）: 删除所有版本数据，标记为DeleteColumn；

8.指定列名删除（delete.addColumns）+时间戳: 删除小于等于该时间戳的所有版本数据，标记为DeleteColumn；

七、Hbase调优 -RowKey

hbase rowkey设计原创：散列性、唯一性、长度原则（80-100呗）

手机一个habse表保存某人每天的打电话的数据（按月份存储） 分区设置：

000 001 002 … 297 298

rowkey设置(分区号+手机号+年月日)：

000_13140607369_2019-12-09 12:24:00

(保存的时候加其他时间更加细分数据)

使某个月的数据存在299个分区就用（手机号+2019+12）%299

取2月份该用户数据如下：

start_row: xxx_13140607369_2019-02
stop_row: xxx_13140607369_2019-03 或者 xxx_13140607369_2019-02|

属于左闭右开。