HBASE的寻址机制和存储机制

hbase的寻址机制

• hbase 的一个表最终拆分成 一个个region，每一个region可能会存储在不同的regionserver上，会有独立编号。
• 无论是 读|写 操作，首先要快速定位到 写|读 是在哪一个region中进行，然后到对应的存储的regionserver上找对应的region，直接读取数据。

快速定位哪一个region存在哪一个regionServer上的过程，就叫寻址，要想知道寻址机制，需要先了解hbase的存储机制。

hbase的存储机制

hbase的存储机制：0.96及之前版本

• 原始表：存储原始数据的
• .meta表： 原始表 按照rowkey 创建索引，是原始表的索引目录。
• -root-表：.meta表的索引表，是终极索引，无论多大，都只有一个region，不可分割。
• -root- 表的存储位置：zookeeper中，zk中存储的是hbase的寻址路径的开始。

hbase的寻址过程：0.96及之前版本

1）客户端先去访问zk，获取-root-表的存储regionserver位置，以及region编号。
2）访问 -root- 表的region，获取 .meta表对应的regionserver的region编号。
3）访问.meta表，需要查询的rk所在的region，获取原始数据的regionserver的region编号。
4）开始真正的访问对应的regionserver的region 表数据。 

3个来回之后，才找到真正要访问的的regionServer和region表。

hbase的存储机制：0.96之后版本

• 原始表：存储原始数据
• .meta 表：存储原始数据的索引，. meta 无论多大，只存储在一个region上，不可分割，这个region也只会存储在一个regionserver上。
• .meta表的寻址路径，也就是.meta表的位置，最终存储在zookeeper上。

hbase的寻址过程：0.96之后版本

1）客户端先去访问zk，获取.meta 表的存储regionserver位置以及region编号。
2）访问.meta 表的region，获取原始数据表对应的regionserver的region编号。
3）开始真正的访问对应的regionserver的region 表数据。（开始读取数据）

0.96版本之后，对寻址做了优化，提升查询效率。

现在假设我们要从 user_info 里面寻找一条 RowKey 是 rk0001 的数据。那么我们应该遵循以下步骤：

1. 从.META.表里面查询哪个 Region 包含这条数据。
2. 获取管理这个 Region 的 RegionServer 地址。
3. 连接这个 RegionServer，查找对应region，扫描region，查到这条数据。
   系统如何找到某个 RowKey (或者某个 RowKey range)所在的 region。
   bigtable 使用三层类似 B+树的结构来保存 region 位置。
   第一层是 zookeeper 里面保存的数据，它持有 root region 的位置。
   第二层 root region 是.META.表的第一个 region 其中保存了.META.表其它 region 的位置。通过root region，我们就可以访问.META.表的数据。
   第三层是.META.，它是一个特殊的表，保存了 hbase 中所有数据表的 region 位置信息。

说明：
1、root region 永远不会被 split，保证了最多需要三次跳转，就能定位到任意 region。 2、.META.表每行保存一个 region 的位置信息，rowkey 采用表名+表的最后一行编码而成。3、为了加快访问，.META.表的全部 region 都保存在内存中。4、client 会将查询过的位置信息保存缓存起来，缓存不会主动失效，因此如果 client 上的缓存全部失效，则需要进行最多 6 次网络来回，才能定位到正确的 region(其中三次用来发现缓存失效，另外三次用来获取位置信息)。

写机制

写数据包括 put 和 delete

• 1、客户端根据 rowkey 经过3次往返（寻址机制）找到对应的 region 所在的 regionserver。
• 2、client 向 regionserver 提交写请求。
• 3、regionserver 找到目标 region。
• 4、region 检查数据是否与 schema（表结构：表名-列族） 一致，如果一致，允许写入；如果不一致，直接返回，报错。
• 5、如果客户端没有指定版本，则获取当前系统时间作为数据版本。如果给定时间版本，以客户端给定的为准。
• 6、将更新写入 WAL log。
• 7、将更新写入对应的store中的 Memstore。
• 8、判断 Memstore 的是否需要 flush 为 Storefile 文件。
  当memstore 的文件大小达到阈值128M的时候，开始执行flush，形成多个storefile文件。
• 9、当一个store中的storefile个数达到一定的阈值的时候就会触发compact 合并。
• • minor compact
    storefile个数达到一定阈值进行的合并叫：minor compact 小合并
    触发条件在 hbase-default.xml文件中已经配置了。

		<property>
		        <name>hbase.hstore.compactionThreshold</name>
		        <value>3</value>
		        <description>
			       If more than this number of HStoreFiles in any one HStore
			       (one HStoreFile is written per flush of memstore) then a compaction
			       is run to rewrite all HStoreFiles files as one.  Larger numbers
			       put off compaction but when it runs, it takes longer to complete.
			     </description>
		</property>
		
		当一个store中的stotrefile文件个数达到3个时候，触发这个 minor compact 操作。将多个（3个）storefile 合并为 1个storefile文件。

minor compact 没有任何逻辑操作的，只有物理操作。简单地将多个storefile的文件进行累加合并，只是在文件个数上减少了。数据不会执行真正的删除，将需要删除的数据打了标记。这个数据对客户端不可见。

• • major compact
    当达到一定的阈值的时候，进行major compact。

        <property>
        <name>hbase.hregion.majorcompaction</name>
        <value>604800000</value>
        <description>The time (in miliseconds) between 'major' compactions of all
        HStoreFiles in a region.  Default: Set to 7 days.  Major compactions tend to
        happen exactly when you need them least so enable them such that they run at
        off-peak for your deploy; or, since this setting is on a periodicity that is
        unlikely to match your loading, run the compactions via an external
        invocation out of a cron job or some such.</description>
        </property>

        默认7天触发一次。将7天的多个hfile，合并为一个hfile。
        执行逻辑操作。

major compact 进行数据的真正删除，将所有的需要删除的数据进行真正的合并并删除。真正需要删除的数据有：

     1）执行delete操作的数据。
     2）版本超过给定需要保存的版本的数据，过期版本数据。eg：数据最多保存2个版本，实际存了3个版本，那么第一个存入的数据就过期了。
     3）TTL （Time To Live）过期的数据。

• 10、判断一个store中的所有文件的总大小是否达到region切分的标准。
• 11、达到region切分的标准，就会region切分，hmaster 进行新的region的重新分配。

总结： 写数据流程：
Client 写入 -> 存入 MemStore，一直到 MemStore 满 -> Flush 成一个 StoreFile，直至增长到一定阈值 -> 触发 Compact 合并操作 -> 多个 StoreFile 合并成一个 StoreFile，同时进行版本合并和数据删除 -> 当 StoreFiles Compact 后，逐步形成越来越大的 StoreFile -> 单个 StoreFile大小超过一定阈值后，触发 Split 操作，把当前 Region Split 成 2 个 Region，Region 会下线，新 Split 出的 2 个孩子 Region 会被 HMaster 分配到相应的 HRegionServer 上，使得原先 1 个Region 的压力得以分流到 2 个 Region 上由此过程可知，HBase 只是增加数据，并不真正写入磁盘。增加数据、删除操作，是在 Compact 阶段做的，所以，用户写操作只需要进入到内存即可立即返回，从而保证 I/O 高性能。

读机制

读数据包括 get | scan

• 1）客户端根据 rowkey 经过3次往返（寻址机制）找到对应的 region 所在的 regionserver。
• 2）客户端开始向对应的regionserver的region发送读数据的请求。
• 3）客户端会先在region的对应的store的memstore（blockcache）中进行读取。
• 4）如果memstore 中有数据，直接返回。
• 5）如果没有数据，到hfile 文件中进行读取（磁盘读取）。