2 HBase原理深入

已于 2022-04-23 22:23:55 修改
阅读量100 收藏
点赞数
分类专栏： hbase 大数据 文章标签： hbase 大数据
于 2021-02-01 23:51:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42749734/article/details/113532217
版权

第⼆部分 HBase原理深入

第 1 节 HBase读数据流程

image.png

HBase读操作

  1. 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
  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

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
  1. 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

image.png

HBase写操作

  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

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

image.png

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

微毂
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
HBase工作原理学习
阳光奶爸的博客
07-20 1万+
介绍Hadoop 2.0生态圈中的HBase分布式列式存储数据库的相关知识，包括HBase的基本介绍、体系结构、各部分功能、数据模型和读写流程等内容。
hbase-hbck2-1.1.0-SNAPSHOT.jar
08-04
hbase-hbck2-1.1.0-SNAPSHOT.jar
Hbase技术原理详解及案例分析
03-07
第一部分、详细介绍了分布式数据库和Hbase的发展由来，基本原理，应用场景。第二部分，对Hbase进行基本的概述，主要介绍其中基本原理，第三部分对Hbase的技术进行详解，包括关键成员和技术优化。第四部分，通过一个小的java api案例，介绍Hbase的开发使用，详细分析hbase的应用场景和优化方式。
hbase之原理详解
qq_38180223的博客
07-01 379
1、hbase的架构首先我们介绍hbase的架构如图所示，hbase的最底层结构是基于hdfs的，它将自己的日志文件`hlog`，以及数据表`Region`存储在hdfs的datanode当中。而管理hbase的主要是zookeeper和master。其中，hbase主要依靠zookeeper管理，master仅仅负责当启动hbase时，分配区域到指定区域服务器。当hbase启动以后master几...
详解HBase架构原理
anyizhen6276的博客
07-20 254
一、什么是HBase HBase是一个高可靠、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价的PC Server上搭建大规模结构化存储集群。 HBase是Google BigTable的开源实现，与Google BigTable利用GFS作为其文件存储系统类似，HBase利用Hadoop HDFS作为其文件存储系统； 　　 ...
1、Hbase原理详解
热门推荐
sinat_30802291的博客
06-26 1万+
1.Hadoop生态系统 Zookeeper分布式监控中心: HDFS的NameNode和MapReduce高可用。 zookeeper内部维护一个内存数据库。 存储Hbase一些数据（后续再谈） MapReduce:分布式计算框架 Hive:数据仓库 HBase:非关系型数据库 HDFS:分布式文件系统 F...
hbase hbck2 jar
04-04
hbase hbck2 jar； 完整打包； 适用于hbase 2.x维护，hbase 1.x不适用； 使用命令：hbase hbck -j hbase-hbck2-1.3.0-SNAPSHOT.jar fixMeta，最后两个参数分别代表 hbck2 jar包路径，维护命令（hbase-hbck2-1.3.0-...
hbase-hbck2-1.2.0-SNAPSHOT.jar
01-17
HBCK是HBase1.x中的命令，到了HBase2.x中，HBCK命令不适用，且它的写功能（-fix）已删除; HBCK2已经被剥离出HBase成为了一个单独的项目，如果你想要使用这个工具，需要根据自己HBase的版本，编译源码。其GitHub地址...
hbase2修复工具jar包，用于hbase的rit等修复服务
最新发布
11-01
hbase2修复工具jar包，用于hbase的rit等修复服务
深入理解HBase的系统架构
01-27
物理上来说，HBase是由三种类型的服务器以主从模式构成的。这三种服务器分别是：Regionserver，HBase HMaster，ZooKeeper。其中Regionserver负责数据的读写服务。用户通过沟通Regionserver来实现对数据的访问。...
HBase实战 pdf
05-29
HBase实战
Hbase原理详解
amin_hui的博客
09-06 527
Hbase简介 HBASE是一个可以提供数据的实时随机读写的数据库 HBASE与mysql、oralce、db2、sqlserver等关系型数据库不同，它是一个NoSQL数据库（非关系型数据库） Hbase的表模型与关系型数据库的表模型不同： Hbase的表没有固定的字段定义； Hbase的表中每行存储的都是一些key-value对 Hbase的表中有列族...
【HBase-2】HBase的原理和架构
weixin_34383618的博客
12-06 122
一、逻辑存储模型HBase以表的形式存储数据，表由行和列组成。列划分为若干个列族， RowKey：Hbase使用Rowkey来唯一的区分某一行的数据。如图中"rk001"列族：Hbase通过列族划分数据的存储，列族下面可以包含任意多的列，实现灵活的数据存取。Hbase的列族不是越多越好，官方推荐的是列族最好小于或者等于3。我们使用的场景一般是1个列族。如图中的“CF1”列族...
hbase原理
Steven
06-16 420
原理（思想）写数据流程 写数据流程 客户端获取zookeeper的地址，获取hbase连接对象 put ‘tb_a’,‘rk001’,‘cf:name’,‘zss’ 请求master（管理集群） 客户端请求zookeeper，而获取meta元数据表的位置 客户端请求管理meta表的region server机器，下载meta表 存储在本地（缓存） 解析meta表，获取表的行数据虽在的region server，去请求region 请求egion server写数据 先将数据写入到内存中，到一定的阈值的
zookeeper3.3学习笔记6：HBase中的zookeeper
十万小时之旅
10-13 181
Zookeeper为HBase提供了稳定服务和failover机制。     -ROOT- &amp;&amp; .META. Table HBase中有两张特殊的Table，-ROOT-和.META. Ø  .META.：记录了用户表的Region信息，.META.可以有多个regoin Ø  -ROOT-：记录了.META.表的Region信息，-ROOT-只有一个region ...
HBase学习之路 （七）HBase 原理
weixin_33806914的博客
04-02 119
系统架构 错误图解   　　这张图是有一个错误点：应该是每一个 RegionServer 就只有一个 HLog，而不是一个 Region 有一个 HLog。 正确图解 　　从HBase的架构图上可以看出，HBase中的组件包括Client、Zookeeper、HMaster、HRegionServer、HRegion、Store、MemStore、StoreFile、HFile、...
HBase原理
永青技术博客
04-27 193
1.HBase架构结构图 HBase采用Master/Slave架构搭建集群，它隶属于Hadoop生态系统，由一下类型节点组成：HMaster节点、HRegionServer节点、ZooKeeper集群，而在底层，它将数据存储于HDFS中，因而涉及到HDFS的NameNode、DataNode等，总体结构如下： 其中HMaster节点用于： 管理HRegionServer，实现其负载均衡。 ...
HBase系统架构深入解析：RegionServer、HMaster、ZooKeeper协作机制
深入理解HBase的系统架构 HBase系统架构是由三种类型的服务器以主从模式构成的，分别是Regionserver、HMaster和ZooKeeper。每种服务器都有其特定的职责和功能。 **Regionserver** Regionserver是HBase中负责数据...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值