HBase

结构

HRegion

概述

1. 在HBase中，会从行键方向上对表来进行切分，切分出来的每一个结构称之为是一个HRegion

2. 切分之后，每一个HRegion会交给某一个HRegionServer来进行管理。HRegionServer是HBase的从节点，每一个HRegionServer可以管理多个HRegion

3. 如果新建了一个表，那么这个表中只包含1个HRegion

4. 在HBase中，因为行键是有序(字典序)的，所以切分出来的每一个HRegion之间的数据是不交叉的，因此HBase可以将接收到的不同的请求分发到不同的HRegionServer来进行处理，从而能够有效的避免请求集中到一个节点上

5. 随着运行时间的推移，每一个HRegion中管理的数据都会越来越多，当HRegion管理的数据达到指定大小的时候，会进行分裂，分裂为两个HRegion

6. 刚分裂完成之后，两个HRegion还暂时处于同一个HRegionServer上。但是HBase为了节点之间的负载均衡，可能会将其中一个HRegion转移给其他的HRegionServer来进行管理。注意：此时不会发生大量的数据迁移！HBase的数据是存储在HDFS上的，HRegion只是HBase提供的一个用于管理数据的结构！

7. 每一个HRegion中，会包含至少1个HStore，可以包含多个HStore。HStore的数量是由列族的数量来决定 - 每一个列队都对应了一个HStore

8. 每一个HStore中会包含1个memStore以及0到多个StoreFile/HFile

分裂策略

1. 在HBase2.x中，支持7中分裂策略：ConstantSizeRegionSplitPolicy，IncreasingToUpperBoundRegionSplitPolicy，KeyPrefixRegionSplitPolicy，DelimitedKeyPrefixRegionSplitPolicy，SteppingSplitPolicy，BusyRegionSplitPolicy，DisabledRegionSplitPolicy

2. ConstantSizeRegionSplitPolicy：固定大小分裂，默认情况下，这个策略下，当HRegion的大小达到10G的时候，会均分为两个HRegion。可以通过属性hbase.hregion.max.filesize来调节，单位是字节，默认值是10737418240

3. IncreasingToUpperBoundRegionSplitPolicy：HBase1.2及之前版本默认采用的就是这个策略。这个策略的特点：前几次分裂不是固定的数据，而是需要通过计算来获取

   1. 如果HRegion的数量超过了100，那么就按照hbase.hregion.max.filesize(默认值是10G)大小来分裂

   2. 如果HRegion的数量在1-100之间，那么按照min(hbase.hregion.max.filesize, regionCount^3 * initialSize)来计算，其中regionCount表示HRegion的个数，initialSize是HRegion的大小，initialSize的默认值是2 * hbase.hregion.memstreo.flush.size(默认值是134217728B)

   3. initialSize的值可以通过属性hbase.increasing.policy.initial.size来指定，单位是字节

4. KeyPrefixRegionSplitPolicy：IncreasingToUpperBoundRegionSplitPolicy的子类，在IncreasingToUpperBoundRegionSplitPolicy的基础上，添加了行键的判断，会将行键前缀相同(默认读取行键的前五个字节)的数据拆分到同一个HRegion中。这种分裂策略会导致拆分之后的两个HRegion之间不等大

5. DelimitedKeyPrefixRegionSplitPolicy：例如当行键是video_001、txt_001，log_003等，此时希望行键是以_作为拆分单位，那么此时就需要使用DelimitedKeyPrefixRegionSplitPolicy

6. SteppingSplitPolicy：HBase2.X默认使用的就是这个策略

   1. 如果这个表中只有1个HRegion，那么按照2 * hbase.hregion.memstreo.flush.size来进行分裂

   2. 如果这个表中HRegion的个数超过1个，那么按照hbase.hregion.max.filesize来进行分类

7. BusyRegionSplitPolicy：这个策略只有在HBase2.x中可以使用，是IncreasingToUpperBoundRegionSplitPolicy的子类

   1. 在IncreasingToUpperBoundRegionSplitPolicy的基础上，添加了热点策略。热点指的是在一段时间内被频繁访问的数据。如果某一个写数据是热点数据，那么HRegion会将这些数据拆分到同一个HRegion中

   2. 判断一个HRegion是否是热点的HRegion，计算方式

      1. 判断条件：当前时间-上一次检测时间≥hbase.busy.policy.aggWindow，这样做的目的是为了控制后续计算的频率

      2. 计算请求的被阻塞率：aggBlockedRate = 一段时间内被阻塞的请求数 / 总的请求数量

      3. 判断条件：如果aggBlockedRate > hbase.busy.policy.blockedRequests，且该HRegion的繁忙时间 ≥ hbase.busy.policy.minAge，那么判定这个HRegion就是一个热点HRegion

   3. hbase.busy.policy.aggWindow的值默认是300000，单位是毫秒，即5min；hbase.busy.policy.blockedRequests的值默认是0.2f；hbase.busy.policy.minAge的默认值是600000，单位是毫秒，即10min

   4. 默认情况下，每隔5min进行一次检测计算，如果该HRegion被频繁访问了10min，且该HRegion的阻塞率超过了20%，那么此时就认为这个HRegion是一个热点HRegion

8. DisabledRegionSplitPolicy：禁用分裂策略，禁止HRegion的自动分裂。实际过程中较少使用，除非能够预估数据量

HBase的结构

Zookeeper的作用

1. Zookeeper在HBase中充当了注册中心，即HBase集群中每一个节点启动之后，都会在Zookeeper来注册节点

2. HBase集群启动之后，会在Zookeeper上来注册一个/hbase节点

3. 当Active HMaster启动之后，会自动的在Zookeeper上注册一个临时节点/hbase/master

4. 当Backup HMaster启动之后，会自动的在Zookeeper上的/hbase/backup-masters下来注册临时子节点。例如hadoop02上启动Backup HMaster，那么在Zookeeper上注册的节点/hbase/backup-masters/hadoop02,16000,1712459407965

5. 当HRegionServer启动之后，会自动的在Zookeeper上的/hbase/rs下来注册临时子节点。例如hadoop01上启动HRegionServer，那么在Zookeeper上注册的节点/hbase/rs/hadoop01,16020,1712459960698

HMaster

1. HBase是一个典型的主从结构，主节点是HMaster，从节点是HRegionServer。在HBase中，并不限制HMaster的个数，可以在任意一台安装了HBase的节点上来启动HMaster

   hbase-daemon.sh start master

2. 因此HBase不限制HMaster的个数，所以理论上而言，HMaster不存在单点故障

3. 当HBase集群中存在多个HMaster的时候，此时多个HMaster之间会存在Active和Backup状态

4. 为了保证数据的一致性，Active HMaster在接收到请求之后，会将信息同步给其他的Backup HMasters，同步的节点数量越多，效率会越低。也因此，虽然HBase中不限制HMaster的个数 ，但是实际过程中HMaster的数量一般不超过3个(1个Active HMaster + 2个Backup HMaster)

5. Active HMaster会实时监控Zookeeper上/hbase/backup-masters下的子节点变化，以确定下一次需要将数据同步给哪些节点

6. 当Zookeeper发现/hbase/master节点消失的时候，意味着Active HMaster宕机，那么此时Zookeeper会从/hbase/backup-masters的子节点中挑选一个切换为Active状态

7. HMaster的作用

   1. 管理HRegionServer，但是不同于NameNode对于DataNode的掌控，HMaster主要是负责HRegion在HRegionServer之间的分布和转移，即HRegion交给HRegionServer来管理，由HMaster决定

   2. 记录和管理元数据。HBase中的元数据包含：namespace的信息，表信息，列族信息等。也因此，凡是产生元数据的操作(DDL，create，drop，alter，list，enable，disable等)会经过HMaster，凡是不产生元数据的操作(DML，例如put，append，get，scan，delete，deleteall等)不会经过HMaster

HBase架构的读写流程

1. 客户端先访问Zookeeper，从Zookeeper中获取hbase:meta文件的存储位置

2. 客户端获取到hbase:meta文件的位置之后，访问HRegionServer，读取hbase:meta文件

3. 客户端会从hbase:meta文件中获取到要操作的HRegion所在的位置

4. 客户端获取到HRegion的位置之后，会访问对应的HRegionServer，来试着操作这个HRegion

5. 注意：HBase为了提高访问效率，还大量的应用了缓存机制

   1. 在客户端第一次访问Zookeeper之后，会缓存hbase:meta文件的位置，那么后续这个客户端在发起请求的时候，就可以不用访问Zookeeper

   2. 客户端在获取到HRegion的位置之后，还会缓存这个HRegion的位置，那么后续如果操作的是同一个HRegion，还可以减少对元数据的读取

   3. 如果这个过程中，发生了内存崩溃或者HRegion的分裂或者转移，会导致缓存失效

HRegionServer

1. HRegionServer是HBase的从节点，负责管理HRegion。根据官方文档给定，每一个HRegionServer大约可以管理1000个HRegion

2. 每一个HRegionServer中包含1到多个WAL，1个BlockCache以及0到多个HRegion

3. WAL(Write Ahead Log)：发生在写操作之前的日志，在早期的版本中也称之为HLog

   1. WAL类似于HDFS中的edits文件。当HRegionServer接收到写操作之后，会先将这个命令记录到WAL中，然后再将数据更新到对应的HRegion的HStore的memStore中

   2. 在HBase0.94版本之前，WAL采用的是串行写机制。从HBase0.94开始，引入了NIO中的Channel，从而支持了并行写机制，因此能够提高WAL的写入效率，从而提升HBase的并发量

   3. 通过WAL机制，能够有效的保证数据不会产生丢失，因为WAL是落地到的磁盘上的，因此会一定程度上降低写入效率。实际过程中，如果能够接收一定程度的数据丢失，那么可以关闭WAL

   4. 当WAL写满之后，会产生一个新的WAL。单个WAL文件的大小由属性hbase.regionserver.hlog.blocksize * hbase.regionserver.logroll.multiplier来决定

      1. 早期的时候，hbase.regionserver.hlog.blocksize的值默认和HDFS的Block等大，从HBase2.5开始，hbase.regionserver.hlog.blocksize的值默认是HDFS Block的2倍大

      2. 早期的时候，hbase.regionserver.logroll.multiplier的，默认值是0.95，从HBase2.5开始，hbase.regionserver.logroll.multiplier的值是0.5

   5. 随着运行时间的推移，WAL的数量会越来越多，占用的磁盘会越来越多。因此，当WAL文件的个数超过指定数量的时候，按照时间顺序将产生的比较早的WAL清理掉。早期的时候，WAL的数量由hbase.regionserver.max.logs来决定，默认值是32；从HBase2.x开始，这个属性被废弃掉，固定值就是32

4. BlockCache：数据块缓存

   1. 本质上就是一个读缓存，维系在内存中。早期的时候，BlockCache的大小是128M，从HBase2.x开始，是通过属性hfile.block.cache.size来调节，默认值是0.4，即最多占用服务器内存的40%

   2. 需要注意的是，如果hbase.regionserver.global.memstore.size + hfile.block.cache.size > 0.8，即这个HRegionServer上所有的memStore所占内存之和 + BlockCache占用的内存大小 > 服务器内存 * 0.8，那么HRegionServer就会报错

   3. 当从HRegionServer来读取数据的时候，数据会先缓存到BlockCache中，然后再返回给客户端；客户端下一次读取的时候，可以直接从BlockCache中获取数据

   4. BlockCache在进行缓存的时候，还会采用"局部性"原理。所谓的"局部性"原理本质上就是根据时间或者空间规律来提高猜测的命中率

      1. 时间局部性：当一条数据被读取之后，HRegionServer会认为这条数据被再次读取的概率要高于其他没有被读取过的数据，那么此时HRegionServer就会将这条数据放入BlockCache中

      2. 空间局部性：当一条数据被读取之后，HRegionServer会认为与这条数据相邻的数据被读取的概率要高于其他的数据，那么此时HRegionServer会将与这条数据相邻的数据也放入BlockCache中

   5. BlockCache还采用了LRU(Least Recently Used，最近最少使用)策略。除了LRUBlockCache以外，HBase还支持SlabBlockCache和BucketBlockCache

5. HRegion：HBase中分布式存储和管理的基本单位

   1. 每一个HRegion中包含1个到多个HStore，HStore的数量由列族数量来决定

   2. 每一个HStore中会包含1个memStore以及0到多个HFile/StoreFile

   3. memStore本质上是一个写缓存

      1. HStore在接收到数据之后，会将数据临时存储到memStore中

      2. memStore是维系在内存中，由属性hbase.regionserver.memstore.flush.size来决定，默认值是134217728B

      3. 当达到一定条件的时候，HRegionServer会将memStore中的数据进行flush(冲刷)操作，每次冲刷都会产生一个新的HFile

      4. HFile最终会以Block形式落地到HDFS上

   4. memStore的flush条件

      1. 当某一个memStore被用满之后，这个memStore所在的HRegion中的所有的memStore都会进行冲刷

      2. 当HRegionServer上，所有memStore所占内存之和 ≥ java_heapsize * hbase.regionserver.global.memstore.size * hbase.regionserver.global.memstore.upperLimit，按照memStore的大小来依次冲刷，直到不满足上述条件为止。

         1. java_heapsize：java的堆内存大小

         2. hbase.regionserver.global.memstore.size：所有的memStore所能占用的内存比例，默认是0.4

         3. hbase.regionserver.global.memstore.upperLimit：上限，默认是0.95

         4. 假设服务器内存是128G，如果所有的memStore所占内存之和≥128G*0.4*0.95，将memStore从大到小依次冲刷，直到不满足条件为止

      3. 如果WAL的数量达到指定值，由于WAL会被清理掉，所以为了保证数据不丢失，那么会按照时间顺序，将memStore来依次冲刷

      4. 当距离上一次冲刷达到指定的时间间隔(可以通过属性hbase.regionserver.optionalflushinterval来指定，单位是毫秒，默认值是3600000)的时候，也会自动的触发memStore的冲刷