第⼆部分 HBase原理深入
第 1 节 HBase读数据流程
HBase读操作
- ⾸先从zk找到meta表所在的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上读取
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。
第 2 节 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
第 3 节 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
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,数据疯狂入Memstore中,会出现什么问题呢?
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
Compact合并机制
- 在hbase中主要存在两种类型的compact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 tableName
第 4 节 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
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'}
第 5 节 HBase表的预分区
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。
- 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'
第 6 节 Region 合并
6.1 Region合并说明
Region的合并不是为了性能,⽽是出于维护的目的。
6.2 如何进行Region合并
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'
成功后观察界⾯