HBase分布式数据库架构及原理

@[TOC]

一、HBase的整体架构

1、Client客户端

Client是操作HBase集群的入口，对于管理类的操作，如表的增、删、改操纵，Client通过RPC与HMaster通信完成，对于表数据的读写操作，Client通过RPC与RegionServer交互，读写数据。
Client类型：

• HBase shell
• Java编程接口
• Thrift、Avro、Rest等等

2、ZooKeeper集群

作用：
1、实现了HMaster的高可用，多HMaster间进行主备选举
2、保存了HBase的元数据信息meta表，提供了HBase表中region的寻址入口的线索数据
3、对HMaster和HRegionServer实现了监控

3、HMaster

HBase集群也是主从架构，HMaster是主的角色，主要负责Table表和Region的相关管理工作，管理Client对Table的增删改的操作，在Region分裂后，负责新Region分配到指定的HRegionServer上，管理HRegionServer间的负载均衡，迁移region分布。当HRegionServer宕机后，负责其上的region的迁移。

4、HRegionServer

HBase集群中从的角色，作用为响应客户端的读写数据请求、负责管理一系列的Region、切分在运行过程中变大的region。

5、Region

HBase集群中分布式存储的最小单元，一个Region对应一个Table表的部分数据。

如下为HBase的整体架构图：

1. HBase的数据存储原理

• 一个HRegionServer会负责管理很多个region，一个region包含很多个store，一个列族就划分成一个store。

（ 如果一个表中只有1个列族，那么这个表的每一个region中只有一个store，如果一个表中有N个列族，那么这个表的每一个region中有N个store）

• 一个store里面只有一个memstore，memstore是一块内存区域，写入的数据会先写入memstore进行缓冲，然后再把数据刷到磁盘。
• 一个store里面有很多个StoreFile, 最后数据是以很多个HFile这种数据结构的文件保存在HDFS上。StoreFile是HFile的抽象对象，如果说到StoreFile就等于HFile。每次memstore刷写数据到磁盘，就生成对应的一个新的HFile文件出来。

2. HBase读数据流程

说明：HBase集群，只有一张meta表，此表只有一个region，该region数据保存在一个HRegionServer上

• 1、客户端首先与zk进行连接；

  • 从zk找到meta表的region位置，即meta表的数据存储在某一HRegionServer上；
  • 客户端与此HRegionServer建立连接，然后读取meta表中的数据；meta表中存储了所有用户表的region信息，我们可以通过scan 'hbase:meta'来查看meta表信息
• 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、查找并定位到对应的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；

• 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，而是把数据先写入到BlockCache中，目的是为了加快后续的查询；然后再返回结果给客户端。

3. HBase写数据流程

1、客户端首先从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

HLog（write ahead log）：也称为WAL意为Write ahead log，类似mysql中的binlog,用来做灾难恢复时用，HLog记录数据的所有变更,一旦数据修改，就可以从log中进行恢复。

4. HBase的flush、compact机制

4.1 Flush触发条件

4.1.1 memstore级别限制

• 当Region中任意一个MemStore的大小达到了上限（hbase.hregion.memstore.flush.size，默认128MB），会触发Memstore刷新。

  <property>
     <name>hbase.hregion.memstore.flush.size</name>

##### 4.1.2 region级别限制
当Region中所有Memstore的大小总和达到了上限（hbase.hregion.memstore.block.multiplier * hbase.hregion.memstore.flush.size，默认 2* 128M = 256M），会触发memstore刷新。

<name>hbase.hregion.memstore.flush.size</name>
<value>134217728</value>

<name>hbase.hregion.memstore.block.multiplier</name>
<value>4</value>

##### 4.1.3 Region Server级别限制

- 当一个Region Server中所有Memstore的大小总和超过低水位阈值hbase.regionserver.global.memstore.size.lower.limit*hbase.regionserver.global.memstore.size（前者默认值0.95），RegionServer开始强制flush；
- 先Flush Memstore最大的Region，再执行次大的，依次执行；
- 如写入速度大于flush写出的速度，导致总MemStore大小超过高水位阈值hbase.regionserver.global.memstore.size（默认为JVM内存的40%），此时RegionServer会阻塞更新并强制执行flush，直到总MemStore大小低于低水位阈值

<name>hbase.regionserver.global.memstore.size.lower.limit</name>
<value>0.95</value>

<name>hbase.regionserver.global.memstore.size</name>
<value>0.4</value>

##### 4.1.4 HLog数量上限

当一个Region Server中HLog数量达到上限（可通过参数hbase.regionserver.maxlogs配置）时，系统会选取最早的一个 HLog对应的一个或多个Region进行flush

##### 4.1.5 定期刷新Memstore
默认周期为1小时，确保Memstore不会长时间没有持久化。为避免所有的MemStore在同一时间都进行flush导致的问题，定期的flush操作有20000左右的随机延时。

##### 4.1.6 手动flush
用户可以通过shell命令`flush ‘tablename’`或者`flush ‘region name’`分别对一个表或者一个Region进行flush。
#### 4.2 flush的流程

- 为了减少flush过程对读写的影响，将整个flush过程分为三个阶段：
  - prepare阶段：遍历当前Region中所有的Memstore，将Memstore中当前数据集CellSkipListSet做一个**快照snapshot**；然后再新建一个CellSkipListSet。后期写入的数据都会写入新的CellSkipListSet中。prepare阶段需要加一把updateLock对**写请求阻塞**，结束之后会释放该锁。因为此阶段没有任何费时操作，因此持锁时间很短。

  - flush阶段：遍历所有Memstore，将prepare阶段生成的snapshot持久化为**临时文件**，临时文件会统一放到目录.tmp下。这个过程因为涉及到磁盘IO操作，因此相对比较耗时。
  - commit阶段：遍历所有Memstore，将flush阶段生成的临时文件移到指定的ColumnFamily目录下，针对HFile生成对应的storefile和Reader，把storefile添加到HStore的storefiles列表中，最后再**清空**prepare阶段生成的snapshot。

#### 4.3  Compact合并机制

- hbase为了==防止小文件过多==，以保证查询效率，hbase需要在必要的时候将这些小的store file合并成相对较大的store file，这个过程就称之为compaction。

- 在hbase中主要存在两种类型的compaction合并
  - **==minor compaction 小合并==**
  - **==major compaction 大合并==**

#### 4.3.1 minor compaction 小合并
在将Store中多个HFile合并为一个HFile，在这个过程中会选取一些小的、相邻的StoreFile将他们合并成一个更大的StoreFile，对于超过了==TTL的数据、更新的数据、删除的数据==仅仅只是做了标记。并没有进行物理删除，一次Minor Compaction的结果是更少并且更大的StoreFile。这种合并的触发频率很高。
minor compaction触发条件由以下几个参数共同决定：

<name>hbase.hstore.compactionThreshold</name>
<value>3</value>

<name>hbase.hstore.compaction.max</name>
<value>10</value>

<name>hbase.hstore.compaction.min.size</name>
<value>134217728</value>

<name>hbase.hstore.compaction.max.size</name>
<value>9223372036854775807</value>

#### 4.3.2 major compaction 大合并

合并Store中所有的HFile为一个HFile，将所有的StoreFile合并成一个StoreFile，这个过程还会清理三类无意义数据：被删除的数据、TTL过期数据、版本号超过设定版本号的数据。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

<name>hbase.hregion.majorcompaction</name>
<value>604800000</value>

手动触发

使用major_compact命令

major_compact tableName

### 5. HBase表的预分区

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。

#### 5.1 预分区意义

* 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
* 优化Map数量，当要对HBase数据进行分析操作时，可以通过它来优化map数量，即一个region对应一个maptask。

#### 5.2 预分区原理
- 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。

#### 5.3 手动指定预分区
**方式一：直接创建时使用数组指定**

create 'person','info1','info2',SPLITS => ['1000','2000','3000','4000']

**方式二：也可以把分区规则创建于文件中**

cd /book/install
vim prepart.txt

文件内容

aaa
bbb
ccc
ddd

hbase shell中，执行命令

create 'student','info',SPLITS_FILE => '/book/install/prepart.txt'

**方式三： HexStringSplit 算法**
HexStringSplit会将数据从“00000000”到“FFFFFFFF”之间的数据长度按照**n等分**之后算出每一段的起始rowkey和结束rowkey，以此作为拆分点。

如：

create 'mytable', 'base_info',' extra_info', {NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}