HBase MOB压缩分区策略介绍

转载自：http://www.hbase.group/article/13

介绍 HBase MOB特性是在HBASE-11339中引入，这一特性改善了对中等大小值的低延迟读写(基于我们的测试结果理想状态是100K到10M)，这使得可以更好的存储文本，图片和一些其他的中等对象[1]，HBase MOB特性通过将引用文件和MOB对象的IO路径分离来实现这一改进，对MOB使用不同的压缩策略并因此减少了因为HBase压缩所导致的写放大问题。若一个表的MOB文件存储在MOB region中，则意味着该region中将存在大量的MOB文件。请参阅下图中的MOB体系结构。 MOB体系结构 最初，MOB文件相对较小（少于1或2个HDFS块）。为了提高HDFS的效率，MOB文件通过称为MOB压缩方式，周期性地合并成较大的文件，该操作独立于正常的压缩过程。 MOB压缩的初始版本将当天的多个MOB文件重写为较大的MOB文件。通过下面示例我们可以更清楚了解这一过程。表t1有两个分区（r1,r2），一个列族f1,并且该表启用了MOB属性。你可以看到如下两个前缀： D279186428a75016b17e4df5ea43d080 对应分区r1中startkey的散列值 D41d8cd98f00b204e9800998ecf8427e 对应分区r2中startkey的散列值 r1分区在2016.1.1和2016.1.2各有两个MOB文件，r2分区在2016.1.1有三个MOB文件，具体我们可以通过下面命令查看

ls /hbase/data/mobdir/data/default/t1/78e317a6e78a0fceb27b9fa0cb9dcf5b/f1

D279186428a75016b17e4df5ea43d08020160101f9d9713ab2fb4a8b825485f6a8acfcd5 D279186428a75016b17e4df5ea43d08020160101af7713ab2fbf4a8abc5135f6a8467ca8 D279186428a75016b17e4df5ea43d080201601029013ab2fceda8b825485f6a8acfcd515 D279186428a75016b17e4df5ea43d080201601029a7978013ab2fceda8b825485f6a8acf D41d8cd98f00b204e9800998ecf8427e20160101fc94af623c2345f1b241887721e32a48 D41d8cd98f00b204e9800998ecf8427e20160101d0954af623c2345f1b241887721e3259 D41d8cd98f00b204e9800998ecf8427e20160101439adf4af623c2345f1b241887721e32 通过MOB压缩之后，r1中20161.1和20161.2两天的MOB文件每天被压缩成一个文件，r2中2016.1.1的三个MOB文件被压缩成一个文件，结果如下： D279186428a75016b17e4df5ea43d08020160101f49a9d9713ab2fb4a8b825485f6a8acf D279186428a75016b17e4df5ea43d08020160102bc9176d09424e49a9d9065caf9713ab2 D41d8cd98f00b204e9800998ecf8427e20160101d9cb0954af623c2345f1b241887721e3 由于只有在同一区并且为同一天的MOB文件才可被压缩在一起，因此在一个MOB region中的目录下，一年产生的MOB文件数为365乘以region数目。若有1000个region通过MOB压缩，10年后将会有365 x 1000 x 10,3.65（百万）个文件产生并且文件数量会持续增长。但是，由于HDFS中一个目录的文件数目受内存限制[2]，当MOB文件数超过HDFS限制后，MOB表将不再可写入文件。HDFS在一个目录下默认的最大文件数为100万，那么对于1000个分区来说，文件数量将在3年左右达到这个极限值。所以分区越多，文件数量将会越快达到这个极限值。 从HBASE-16981开始引入按周和月的MOB压缩分区聚合策略后，最终结果使得MOB文件存放比例相应提高了7%和30%。 HBASE-16981的基本思路是将一周或者一个月的MOB文件压缩合并为更大的文件。根据ISO8601定义的周（起始为周一结束为周日），若采用周策略进行MOB压缩后，则每个分区每周会产生一个文件，同理，用月MOB压缩后，每月会生成一个文件，最终在一个MOB区域目录下的文件数分别为52 乘以分区数和12乘以分区数。这样就大大减少了压缩后MOB文件的数量。 最初的方法 当MOB压缩发生时，HMaster会在一个日历月或一个日历周内将MOB文件合并到更大的文件中。根据MOB压缩发生的频率，文件可能多次被压缩。例如，若MOB采用每天压缩及每月聚合的策略，那么，第1天所有的MOB文件会被压缩为一个文件，第2天将第1天和第2天产生的MOB文件被压缩为一个新的文件，第3天将前两天产生的文件压缩为一个新文件，以此类推，一个月后，第1天的文件压缩会超过30次，因此也就将写的IO数量放大了30倍以上。 HBase MOB的设计目标是为了减少由MOB压缩而导致的写入放大。上述的这种方法没能达到设计目标。 最终的方法 为了克服最初方案的不足，在HBASE-16981中采用了新的按周和月分阶段压缩策略。图2展示了如何按月压缩策略，同时按周压缩策略与此类似。

图2 按月MOB压缩策略 图2所示的MOB压缩发生在2016.11.15。根据配置的MOB阈值，日分区压缩当前日历周中的文件，上图中11.14和11.15的两天的文件各自压缩。当前月份（11月）中的文件基于周阈值（MOB阈值 x 7）分区压缩过去几个日历周中的文件，如11.1-11.6和11.7-11.13的文件分别压缩。11月之前的文件按月进行压缩，例如10.1-10.31文件压缩在一起。需要注意的是11月的第1个日历周是从10.31-11.6结束。由于10.31是10月的最后一天，因此当天的文件压缩是按照月分区进行压缩，这样11月的第一周压缩的天数只剩下6天（11.1-11.6），如果MOB压缩阈值和压缩大小设置合理，那么第一周会有5个压缩文件。 通过这种设计模式，MOB文件可以通过2个阶段或3个阶段完成压缩。在每个阶段，日、周、月分区都会随着MOB压缩阈值的增加而变化。通常情况下，MOB文件每月最多3次压缩，每周最多压缩2次。具体的设计细节可以参考[3]。 用法 在默认情况下，MOB压缩分区策略是每日一次。若要用周或月策略，可以在MOB列族中添加了一个新属性字段：MOB_COMPACT_PARTITION_POLICY。用户可通过HBase shell在创建表时设置该属性。例如：

create 't1', {NAME => 'f1', IS_MOB => true, MOB_THRESHOLD => 1000000, MOB_COMPACT_PARTITION_POLICY => 'weekly’} 同时也可以改变该属性字段值，命令如下： alter 't1', {NAME => 'f1', MOB_COMPACT_PARTITION_POLICY => 'monthly'} 如果压缩策略从每日改为每周或每月，或从每周改为每月，则下一个MOB压缩将重新压缩之前压缩的MOB文件。如果压缩策略从每月或每周改为每日，或者将每月改为每周，则对已使用先前策略压缩的MOB文件将不会与新策略再次执行压缩。 结束语 HBASE-16981解决了文件数大量增加的问题，并在Apache HBase 2.0.0版本中使用。CDH的CDH5.4.0+及以后的版本开始使用HBase MOB特性，其中从5.11.0开始使用HBASE-16981修复的版本。