学习HBasehbase

HBase原理深入

2021-02-17  本文已影响0人  奋斗的蛐蛐

HBase原理深入

HBase读数据流程

HBase读数据流程.png HBase元数据信息.png
HBase读操作
  1. 首先从zk中找到meta表的region信息，然后meta表中的数据，meta表中存储了用户的region信息
  2. 根据要查询的namespace、表名和rowkey信息，找到对应的真正存储要查询的数据的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metastore查找数据，如果没有，再从BlockCache读取。
    • HBase上的RegionServer的内存分为两个部分
      • 一部分作为Memstore，主要用来写
      • 另一部分作为BlockCache，主要用来读数据
  6. 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。

HBase写数据流程

HBase写数据流程.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. 根据要查询的namespace、表名和rowkey信息，找到对应的真正存储要查询的数据的region信息
  3. 找到这个region对应的regionServer，然后发送请求
  4. 把数据写到HLog（write ahead log。WAL：预写入日志）和memstore各一份（写到Region里列族对应的Store的内存）
  5. Memstore 达到阈值后把数据刷到磁盘，生产storeFile
  6. 删除HLog中的历史数据

HBase的flush（刷写）及compact（合并）机制

Flush机制
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（定时，默认是10S）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，数据疯狂写入Memstore中，会出现什什么问题呢?

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。

当发生阻塞的时候，无法写入HBase，那么如何解决？

Compact合并机制

合并的原因：减少文件的数量，提高查询的时候扫描的性能

在HBase中主要存在两种类型的Compact合并

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


Region拆分机制.png
拆分策略

Hbase拆分策略一共有以下几种：

  1. ConstantSizeRegionSplitPolicy(0.9版本以前默认的切分策略。)

    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，调整规则和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(默认128M) * 2，否则为MaxRegionFileSize（10G）。这种切分策略对于⼤集群中的大表、小表会⽐比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，⼩表不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

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

    create 'test2', {METADATA => {'SPLIT_POLICY' =>
'org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy'}},{NAME => 'cf1'}

HBase表的预分区

为什么要预分区

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。

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'

Region合并

Region合并说明

Region的合并不是为了性能，而是为了出于维护的目的

如何进行Region的合并

  1. 通过Merge类冷合并Region

    • 需要先关闭集群
    • 需求：需要把Student表中的2个Region数据进行合并

    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.

  2. 通过online_merge热合并Region

    • 不需要关闭集群
    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.
需要进⼊入hbase shell:
merge_region 'c8bc666507d9e45523aebaffa88ffdd6','02a9dfdf6ff42ae9f0524a3d8f4c7777'

成功后在观察页面

上一篇 下一篇

猜你喜欢

热点阅读