Region中的数据操作之HFile读写

HFile包含8种类型的数据，分别为KV数据、KV数据索引、Bloom数据、Bloom数据索引、元数据、元数据索引、FileInfo、Trailer。KV数据索引是两层或三层结构、Bloom数据索引和元数据索引是一层。Trailer类型的数据直接序列化写入HFile末尾，其他类型的数据均以文件块的形式写入HFile。

HFile文件分为四个区域，不同区域的数据读写方式不同。如下图所示，分别为扫描区、非扫描区、打开加载区、Trailer。扫描区数据迭代访问，打开加载区数据在文件打开时便加载入内存。不同类型的数据按访问方式存放在相应的区域，KV数据存放于扫描区，KV数据索引的不同层的索引访问方式不同，叶节点存放于扫描区、中间节点存放于非扫描区、根节点存放于打开加载区。Bloom数据存放于扫描区。Bloom数据索引存放于打开时加载区。元数据存放于非扫描区。元数据索引存放于打开加载区。FileInfo存放于打开加载区。Trailer存放于Trailer区。

写HFile

Hbase定义了Writer类进行写HFile操作。指定路径创建一个Writer对象，循环调用调用Writer.append(KeyValue)方法将KeyValue传递给Writer，通过Writer.appendFileInfo(byte[], byte[])中添加元数据，最后调用Writer.close()将所有数据刷新到HFile文件结束写操作。
Writer内有多个对象用来构建不同类型的数据块，对象名及作用见下表。当数据块填满数据时会被写入HFile。

上表中的对象除trailer外记录数据量达到一个块大小时，借助HFileBlock.Writer填充块，然后将块写入HFile文件。HFileBlock.Writer工作机制比较简单，首先创建一个内存输出流，将块信息填入流中，然后再填入数据。填完后将输出流中的数据写入HFile文件中。同一个Writer中只有一个HFileBlock.Writer对象，对象名为fsBlockWriter。
在调用Writer.close()之前，Writer只会向HFile中扫描区中写入数据，调用Writer.close()后将剩余数据写入HFile文件中。Writer.append(KeyValue)和Writer.close()操作流程见下面两张图。

读HFile

Hbase使用HFileReaderV2读取HFile数据。HFileReaderV2对象是线程共享的，不会维护任何读取状态信息。
在HFileReaderV2内部使用不同的对象读取HFile中不同类型的信息，对象说明见下表：

要读HFile文件中的数据，先要从文件末尾读取Trailer，构造Trailer对象，然后创建HFileReaderV2对象。Reader在构造过程中创建dataBlockIndexReader、metaBlockIndexReader、fileInfo对象，加载剩下的打开加载区数据。bloom过滤器需要调用Reader对象的函数进行创建。
读取KeyValue时，首先从索引信息中确定KeyValue所在的块，然后调用HFileReaderV2.readBlock读取数据块。HFileReaderV2.readBlock首先从缓存中寻找数据块，若没有则使用HFileBlock.FSReader工具从文件中读取，将数据块放入缓存中返回。