Region，图片来自Map-R

1 层级结构

• Table (HBase 表)
• Region(表的Regions)
  • Store(Region中以列族为单位的单元)
    • MemStore (用于写缓存)
      • StoreFile (StoreFiles for each Store for each Region for the table)
        • Block (读写的最小单元)

2 重要成员

2.1 Region

Region是HBase数据存储和管理的基本单位

2.1.1 Region的数量设计

设计的本意是每个Server运行小数量（2-200）个大容量（5-20Gb）的Region，理由如下：

• 每个MemStore需要2MB的堆内存，2MB是配置的，假如有1000拥有两个列族的Region，那么就需要3.9GB的堆内存，还是没有存储任何数据的情况下
• HMaster要花大量的时间来分配和移动Region
• 过多Region会增加ZooKeeper的负担
• 每个Region会对应一个MapReduce任务，过多Region会产生太多任务

2.1.2 Region的分配

2.1.2.1 启动时的分配步骤

1.  Master启动时调用 AssignmentManager。
   

2.  AssignmentManager 查看hbase:meta中已经分配好的Region
   

3.  如果Regiond的分配依然有效的话 (如果RegionServer 仍然在线的话) 维持当前分配
   

4. 如果分配失效,LoadBalancerFactory 会被调用来分配region. 负载均衡器(HBase 1.0默认使用StochasticLoadBalancer ) 分配任务到Region Server中
   

5.  如果需要的话，Region Server分配信息会更新到hbase:meta中。RegionServer启动时调用启动代码来启动region。
   

2.1.2.2 RegionServer失效时的分配步骤

1. Region Server挂掉后它上面的regions变得不可用。
2. Master检测到Region Server挂掉了。
3. 失效Region Server上的region分配会被认为无效并采用跟启动时同样顺序的步骤分配region
4. 正在进行的查询操作会重新执行，不会丢失
5. 切换动作要在以下时间内完成：
   ZooKeeper session timeout + split time + assignment/replay time

2.1.3 Region的位置选择

Region的位置选择通过HDFS的复制机制完成

1）步骤：

1. 第一个副本写在本地节点
2. 第二副本写到另一个机上任意节点
3. 第三个副本写到跟第二副本相同机架不同节点的其他节点
4. 后面的副本将写到集群中的任意节点中。

副本，图片来自Map-R

2）要点：

• 选址是在flush或者compaction之后执行的
• 当RegionServer失效后，其上的Region被转移到其他的RegionServer，那么此时被转移的Region不具备数据本地性，直到下一次compaction执行之后才重新具备数据本地性

2.1.4 Region的切分

• 当Region的大小达到指定的阀值时，RegionServer会执行Region的切分
• 该操作有RegionServer单独执行，Master不参与
• 分裂执行完毕后，会将子Region添加到hbase:meta并且汇报给Master
• 可以自定义切分策略，可以在hbase-site.xml设置

<property>
  <name>hbase.regionserver.region.split.policy</name>
  <value>org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy</value>
</property>

• 支持手动执行切分
• 可以指定切分点

Region 分裂，图片来自Map-R

2.1.5 Region的合并

2.1.5.1 意义

• 当存在大量没有数据的region时，执行region的合并来避免region过多
• 之所以会存在大量没有数据的region是因为为了避免region到达阀值引起分裂的开销，创建表格时先进行预分区。

2.1.5.2 步骤

1. 客户端发送指令给Master
2. Master收到指令后将要合并的region移动到指定的RegionServer
3. Master发送Merge请求给指定的RegionServer执行合并操作
4. 最后将被合并的regions从hbase:meta中删除并添加合并后的region

2.2 Store

• 以列族为单元，即对应表中每个region中一个列族
• 包含一个MemStore和0到多个StoreFile（HFile）

2.2.1 MemStore

• 将修改信息缓存在内存当中
• 信息格式为Cell/KeyValue
• 当flush触发时，MemStore会生成快照保存起来，新的MemStore会继续接收修改信息，指导flush完成之后快照会被删除
• 当一个MemStore flush发生时，属于同一个region的memStore会一起flush

2.2.2.1 MemStore Flush的触发情况

• MemStore的大小达到单个MemStore阀值
• RegionServer中所有MemStore的使用率超过RS中MemStore上限值，该Server上所有MemStore会执行flush直到完成或者小于RS中MemStore安全值
• RegionServer中WAL超过WAL阀值

单个MemStore阀值：hbase.hregion.memstore.flush.size
RS中MemStore上限值：hbase.regionserver.global.memstore.upperLimit

RS中MemStore安全值：hbase.regionserver.global.memstore.lowerLimit
WAL阀值：hbase.regionserver.max.logs

2.3 StoreFile/HFile

2.3.1 格式

2.3.1.1 概念：

• Data Block Size：数据块大小。默认为64KB。因为查询key是按照顺序查询的，所以需要选择合适的Size来避免一个Block包含过多Key/Value对。
• Maximum Key Length：最大key长度。10-100字节是比较合适的大小，key的形式：rowkey+column family:qualifier+timestamp
• Maximum File Size：最大File大小。Trailer、File-Info和Data-Index都会在读取和写入时存到内存中，所以最好保证File的大小在合理的范围，避免占用过多内存。
• Compression Algorithm：压缩算法。
• 好处：
  • 减少磁盘I/O
  • 提高传输效率和减少磁盘空间
  • 减少读取请求的返回量
• 支持的压缩库
  • GZ
  • LZO

2.3.1.2 HFile 结构

结构图如下：

HFile结构图 Trailer结构

• Data Block：存储键值对的长度和值
• Meta Block：用户定义元数据
• File Info：关于HFile的元数据
• Data Index：Data Block的索引，也就是每个Block的第一个Key的偏移量
• Trailer：固定的源数据，用于存储以上每个部分的偏移量，读取HFile时首先要读取Trailer。

2.3.2 KeyValue

KeyValue格式

KeyValue以字节数组的形式存储，包含以下部分:

• keylength
• valuelength
• key
• value

Key的格式如下：

• rowlength
• row (也就是the rowkey)
• columnfamilylength
• columnfamily
• columnqualifier
• timestamp
• keytype (例如 Put, Delete, DeleteColumn, DeleteFamily)

2.4 Scan 步骤

1. 当客户端提交scan请求时，HBase会创建为每个Region创建RegionScanner 实例来处理scan请求

• RegionScanner 包含一组StoreScanner实例，每个列族对应一个StoreScanner实例
• 每个StoreScanner实例包含一组StoreFileScanner实例, 每个toreFileScanner实例对应每个列族的HFile, 同时包含一组对应MemStore的KeyValueScanner。
• The two lists are merged into one, which is sorted in ascending order with the scan object for the MemStore at the end of the list.
• 当StoreFileScanner实例被构造, 会生成MultiVersionConcurrencyControl 读取点, 就是当前的memstoreTS, 用来过滤掉

2.5 Compaction

2.5.1 Minor Compaction(次压缩)

HBase会自动挑选小的临近的HFiles将它们重新写到一些大的HFiles中。这个过程称为次压缩。次压缩通过将更小的files写到一些大的flies进行合并操作来实现减少file的数量。

Minor Compaction，图片来自Map-R

2.5.2 Major Compaction(主压缩)

• 合并一个Region中每一个列族的所有HFile写到一个HFile中
• 会删除掉那些标记删除和过期的cells。提高了读取性能
• 将所有数据进行了重写，产生大量的I/O开销或者网络开销，称为写放大
• 自动执行，通常安排在周末或者晚上

Major Compaction，图片来自Map-R

2.6 Region 负载均衡

当region分裂之后，RS之间的region数量差距变大时，HMaster便会执行负载均衡来调整部分region的位置，使得每个RS的region数量保持在合理范围之内，负载均衡会引起region的重新定位，使得涉及的region不具备数据本地性，即HFile和region不在同一个DataNode。这种情况会在major compaction 之后得到解决。

负载均衡，图片来自Map-R

参考文章：
HFile: A Block-Indexed File Format to Store Sorted Key-Value Pairs
Apache HBase ™ Reference Guide
An In-Depth Look at the HBase Architecture

若有侵权，请联系我。