1.首次读写的基本过程

在上一篇 深入HBase架构（建议收藏）中已经做了介绍。这里再重申一下。

这里要解决的主要问题是，

client如何知道去那个region server执行自己的读写请求。

有一个特殊的HBase表，叫做META table，保存了集群中各个region的位置。

而这个表的位置信息是保存在zookeeper中的。因此，当我们第一次访问HBase集群时，会做以下操作：

1）客户端从zk中获取保存meta table的位置信息，知道meta table保存在了哪个region server，并在客户端缓存这个位置信息；

2）client会查询这个保存meta table的特定的region server，查询meta table信息，在table中获取自己想要访问的row key所在的region在哪个region server上。

3）客户端直接访问目标region server，获取对应的row

这里我们需要关注一定，在读写的过程中，客户端实际上是不需要跟HMaster有任何交互的。这也是为什么我们在客户端的配置中，连接地址是填写的zookeeper的地址。

meta table信息都可以在client上进行缓存（apache的原生abase-client类的Connection的实现类中）。

2.写请求

从上文我们知道了，client如何找到目标region server发起请求。

接下来，就是正式的写操作了。

当client将写请求发送到客户端后，会执行以下流程。

（1）获取行锁：HBase中使用行锁保证对同一行数据的更新都是互斥操作，用以保证更新的原子性。

（2）Append HLog：顺序写入HLog中，并执行sync。

（3）写缓存memstore

（4）释放行锁

这里需要重点关注WAL。

WAL(Write-Ahead Logging)是一种高效、高可靠的日志机制。

基本原理就是在数据写入时，通过先顺序写入日志，然后再写入缓存，等到缓存写满之后统一落盘。

为什么可以提高写入性能和可靠性呢？

众所周知，对于磁盘的写入，顺序写性能是远高于随机写的。因此，WAL将将一次随机写转化为了一次顺序写加一次内存写，提高了性能。

至于可靠性，我们可以看到，因为先写日志再写缓存，即使发生宕机，缓存数据丢失，那么我们也可以通过恢复日志还原出丢失的数据。

另一方面，我们需要关注一下HBase中的各个结构的关系。

每个region server上只有一个HLog，但是有多个region。

每个HRegion里面有多个HStore，每个HStore会有一个写入缓存memstore，memstore是根据columnfamily来划分。

因此，在一个写入操作中，我们对任意一行的改变是落在memstore上，然后HBase并不会直接将数据落盘，而是先写入缓存，等缓存满足一定大小之后再一起落盘,生成新的HFile。

3.读请求

HBase-client上的读请求分为 两种，Get和Scan。

Get是一种随机查询的模式，根据给定的rowkey返回一行数据，虽然Get也支持输入多个rowkey返回多个结果，但是本质上是多次随机查询。具体rpc次数，看查询list的数据分布，如果都分布在一个region server上，就是一次rpc，如果是分布在3个rs，就是3次rpc，但是是并发请求和返回的，时间取决于最慢的那个。

Scan是一种批量查询的模式，根据指定的startRow和endRow进行范围扫描，获取区间内的数据。

而对于hbase服务端来说，当一个Get请求过来后，还是会转换为一个特殊的scan请求，即startrow和endrow一致的Scan请求。所以，下文的介绍，就围绕scan展开。

首先，我们要知道，HBase的写入很快，是追加多版本的形式，删除也很快，只是插入一条打上“deteled”标签的数据。因此，hbase的读操作比较复杂的，需要处理各种状态和关系。

因为Store是按照columfamily来划分的，一张表由N个列族组成，就有N个StoreScanner负责该列族的数据扫描。

当client要查询一个region，那么就会有一个RegionScanne，这个regionscannerr会创建

N个StoreScanner。

而一个store由多个storefile和一个memstore组成，

因此，StoreScanner对象会创建一个MemStoreScanner和多个StoreFileScanner进行实际数据的读取。

这些scanner首先根据TimeRange和RowKey Range过滤掉一部分肯定无用的StoreFileScanner。

剩下的scanner组成一个最小堆KeyValueHeap。这个最小堆的实际数据结构是一个优先级队列，队列中所有元素是scanner，根据scanner指向的keyvalue进行排序(scanner类似游标，每次查询一个结果后，通过next下移找下一个kv值)。

举个简单的例子。

假设有4个scanner组成的优先级队列，分布标记为ScannerA\B\C\D。

1）查询的时候首先pop出heap的堆顶元素。

2）第一次pop出来的是scannerA。调用 next 请求，将会返回 ScannerA 中的 rowA:cf:colA，而后 ScannerA 的指针移动到下一个 KeyValue rowA:cf:colB；

3）重新组织堆中元素，堆中的 Scanners 排序不变；

4）第二次 pop出来的还是scannerA。调用next 请求，返回 ScannerA 中的 rowA:cf:colB，ScannerA 的 current 指针移动到下一个 KeyValue rowB:cf:ColA；

5）重新组织堆中元素，由于此时scannerA的指针指向了rowB，按照 KeyValue 排序可知 rowB 小于 rowA, 所以堆内部，scanner 顺序发生改变，改变之后如下图所示：

6）第三次pop出来的就是ScannerB了。

以此类推。

当某个scanner 内部数据完全检索之后会就会被 close 掉，或者 rowA 所有数据检索完毕，则查询下一条。

默认情况下返回的数据需要经过 ScanQueryMatcher 过滤返回的数据需要满足下面的条件：

• 该KeyValue不是已经删除的数据（KeyType不是Deleted/DeletedCol等）如果是就直接忽略该列所有其他版本，跳到下个列族；
  
• 该KeyValue的Timestamp是在用户设定的Timestamp Range范围内
  
• 该KeyValue满足用户设置的各种filter过滤器
  
• 该KeyValue满足用户查询中设定的版本数，比如用户只查询最新版本，则忽略该cell的其他版本；反正如果用户查询所有版本，则还需要查询该cell的其他版本。
  

至此，就是HBase大致上的读写流程。

我们经常听说HBase数据读取要读Memstore、HFile和Blockcache，为什么我们这里说Scanner只有StoreFileScanner和MemstoreScanner，而没有BlockcacheScanner呢?

因为HBase中数据仅独立地存在于Memstore和StoreFile中，Blockcache作为读缓存，里面有StoreFile中的部分热点数据，因此，如果有数据存在于Blockcache中，那么这些数据必然存在StoreFile中。因此使用MemstoreScanner和StoreFileScanner就可以覆盖到所有数据。

而在实际的读操作时，StoreFileScanner通过索引定位到待查找key所在的block之后，会先去查看该block是否存在于Blockcache中，如果存在，那么就会去BlockCache中取出，避免IO，如果BlockCache中不存在，才会再到对应的StoreFile中读取。