【转】HBase原理和设计

简介

HBase —— Hadoop Database的简称，Google BigTable的另外一种开源实现方式，从问世之初，就为了解决用大量廉价的机器高速存取海量数据、实现数据分布式存储提供可靠的方案。从功能上来说，HBase彻彻底底是一个数据库，与咱们熟悉的Oracle、MySQL、MSSQL等同样，对外提供数据的存储和读取服务。而从应用的角度来讲，HBase与通常的数据库又有所区别，HBase自己的存取接口至关简单，不支持复杂的数据存取，更不支持SQL等结构化的查询语言；HBase也没有除了rowkey之外的索引，全部的数据分布和查询都依赖rowkey。因此，HBase在表的设计上会有很严格的要求。架构上，HBase是分布式数据库的典范，这点比较像MongoDB的sharding模式，能根据键值的大小，把数据分布到不一样的存储节点上，MongoDB根据configserver来定位数据落在哪一个分区上，HBase经过访问Zookeeper来获取-ROOT-表所在地址，经过-ROOT-表获得相应.META.表信息，从而获取数据存储的region位置。

 

架构

上面提到，HBase是一个分布式的架构，除去底层存储的HDFS外，HBase自己从功能上能够分为三块：Zookeeper群、Master群和RegionServer群。

• Zookeeper群：HBase集群中不可缺乏的重要部分，主要用于存储Master地址、协调Master和RegionServer等上下线、存储临时数据等等。
• Master群：Master主要是作一些管理操做，如：region的分配，手动管理操做下发等等，通常数据的读写操做并不须要通过Master集群，因此Master通常不须要很高的配置便可。
• RegionServer群：RegionServer群是真正数据存储的地方，每一个RegionServer由若干个region组成，而一个region维护了必定区间rowkey值的数据，整个结构以下图：

HBase结构图

上图中，Zookeeper(简称ZK)是一个集群，一般有奇数个ZK服务组成。Master为了服务可用性，也建议部署成集群方式，由于Master是整个管理操做的发起者，若是Master一旦发生意外停机，整个集群将会没法进行管理操做，因此Master也必须有多个，固然多个Master也有主从之分，如何区分哪一个是主，哪一个是从？关键看哪一个Master能竞争到ZK上对应Master目录下的锁，持有该目录锁的Master为主Master，其余从Master轮询竞争该锁，因此一旦主Master发生意外停机，从Master很快会由于竞争到Master文件夹上的锁而接管服务。
RegionServer(简称RS)在非Replication模式下，整个系统中都是惟一的，也就是说，在整个非Replication的HBase集群中，每台RS上保存的数据都不同，因此相对于前面二者，该模式下的RS并非高可用的，至少RS可能存在单点故障的问题，可是因为HBase内部数据分region存储和region能够迁移的机制，RS服务的单点故障可能会在极小代价下很快恢复，可是一旦停掉的RS上有-ROOT-或者.META.表的region，那后果仍是比较严重，由于数据节点的RS停机，只会在短期内影响该台RS上的region不可访问，等到region迁移完成后便可恢复，若是是-ROOT-、.META.所在的RS停机，整个HBase的新的求情都将受到影响，由于须要经过.META.表来路由，从而寻找到region所在RS的地址。

数据组织

整个架构中，ZK用于服务协调和整个集群运行过程当中部分信息的保存和-ROOT-表地址定位，Master用于集群内部管理，因此剩下的RS主要用于处理数据。
RS是处理数据的主要场所，那么在RS内部的数据是怎么分布的？其实RS自己只是一个容器，其定义了一些功能线程，好比：数据合并线程(compact thread)、storeFile分割线程(split thread)等等。容器中的主要对象就是region，region是一个表根据自身rowkey范围划分的一部分，一个表能够被划分红若干部分，也就是若干个region，region能够根据rowkey范围不一样而被分布在不一样的RS上(固然也能够在同一个RS上，但不建议这么作)。一个RS上能够包含多个表的region，也能够只包含一个表的部分region，RS和表是两个不一样的概念。
这里还有一个概念——列簇。对HBase有一些了解的人，或多或少据说过：HBase是一个列式存储的数据库，而这个列式存储中的列，实际上是区别于通常数据库的列，这里的列的概念，就是列簇，列簇，顾名思义就是不少列的集合，而在数据存储上来说，不一样列簇的数据，必定是分开存储的，即便是在同一个region内部，不一样的列簇也存储在不一样的文件夹中，这样作的好处是，通常咱们定义列簇的时候，一般会把相似的数据放入同一个列簇，不一样的列簇分开存储，有利于数据的压缩，而且HBase自己支持多种压缩方式。

原理

前面介绍了HBase的通常架构，咱们知道了HBase有ZK、Master和RS等组成，本节咱们来介绍下HBase的基本原理，从数据访问、RS路由到RS内部缓存、数据存储和刷写再到region的合并和拆分等等功能。

RegionServer定位

访问HBase经过HBase客户端(或API)进行，整个HBase提供给外部的地址，实际上是ZK的入口，前面也介绍了，ZK中有保存-ROOT-所在的RS地址，从-ROOT-表能够获取.META.表信息，根据.META.表能够获取region在RS上的分布，整个region寻址过程大体以下：

RS定位过程

1. 首先，Client经过访问ZK来请求目标数据的地址。
2. ZK中保存了-ROOT-表的地址，因此ZK经过访问-ROOT-表来请求数据地址。
3. 一样，-ROOT-表中保存的是.META.的信息，经过访问.META.表来获取具体的RS。
4. .META.表查询到具体RS信息后返回具体RS地址给Client。
5. Client端获取到目标地址后，而后直接向该地址发送数据请求。

上述过程实际上是一个三层索引结构，从ZK获取-ROOT-信息，再从-ROOT-获取.META.表信息，最后从.META.表中查到RS地址后缓存。这里有几个问题：

• 既然ZK中能保存-ROOT-信息，那么为何不把.META.信息直接保存在ZK中，而须要经过-ROOT-表来定位？
• Client查找到目标地址后，下一次请求还须要走ZK  —> -ROOT- —> .META.这个流程么？

先来回答第一个问题：为何不直接把.META.表信息直接保存到ZK中？主要是为了保存的数据量考虑，ZK中不宜保存大量数据，而.META.表主要是保存Region和RS的映射信息，region的数量没有具体约束，只要在内存容许的范围内，region数量能够有不少，若是保存在ZK中，ZK的压力会很大。因此，经过一个-ROOT-表来转存到RS中是一个比较理想的方案，相比直接保存在ZK中，也就多了一层-ROOT-表的查询，对性能来讲影响不大。
第二个问题：每次访问都须要走ZK –> -ROOT- —> .META.的流程么？固然不须要，Client端有缓存，第一次查询到相应region所在RS后，这个信息将被缓存到Client端，之后每次访问都直接从缓存中获取RS地址便可。固然这里有个意外：访问的region若果在RS上发生了改变，好比被balancer迁移到其余RS上了，这个时候，经过缓存的地址访问会出现异常，在出现异常的状况下，Client须要从新走一遍上面的流程来获取新的RS地址。整体来讲，region的变更只会在极少数状况下发生，通常变更不会很大，因此在整个集群访问过程当中，影响能够忽略。

Region数据写入

HBase经过ZK —> -ROOT-  —> .META.的访问获取RS地址后，直接向该RS上进行数据写入操做，整个过程以下图：

RegionServer数据操做过程

Client经过三层索引得到RS的地址后，便可向指定RS的对应region进行数据写入，HBase的数据写入采用WAL(write ahead log)的形式，先写log，后写数据。HBase是一个append类型的数据库，没有关系型数据库那么复杂的操做，因此记录HLog的操做都是简单的put操做(delete/update操做都被转化为put进行)

HLog

HLog写入

HLog是HBase实现WAL方式产生的日志信息，其内部是一个简单的顺序日志，每一个RS上的region都共享一个HLog，全部对于该RS上的region数据写入都被记录到该HLog中。HLog的主要做用就是在RS出现意外崩溃的时候，能够尽可能多的恢复数据，这里说是尽可能多，由于在通常状况下，客户端为了提升性能，会把HLog的auto flush关掉，这样HLog日志的落盘全靠操做系统保证，若是出现意外崩溃，短期内没有被fsync的日志会被丢失。

HLog过时

HLog的大量写入会形成HLog占用存储空间会愈来愈大，HBase经过HLog过时的方式进行HLog的清理，每一个RS内部都有一个HLog监控线程在运行，其周期能够经过hbase.master.cleaner.interval进行配置。
HLog在数据从memstore flush到底层存储上后，说明该段HLog已经再也不被须要，就会被移动到.oldlogs这个目录下，HLog监控线程监控该目录下的HLog，当该文件夹下的HLog达到hbase.master.logcleaner.ttl设置的过时条件后，监控线程当即删除过时的HLog。

Memstore

数据存储

memstore是region内部缓存，其大小经过HBase参数hbase.hregion.memstore.flush.size进行配置。RS在写完HLog之后，数据写入的下一个目标就是region的memstore，memstore在HBase内部经过LSM-tree结构组织，因此可以合并大量对于相同rowkey上的更新操做。
正是因为memstore的存在，HBase的数据写入都是异步的，并且性能很是不错，写入到memstore后，该次写入请求就能够被返回，HBase即认为该次数据写入成功。这里有一点须要说明，写入到memstore中的数据都是预先按照rowkey的值进行排序的，这样有利于后续数据查找。

数据刷盘

memstore中的数据在必定条件下会进行刷写操做，使数据持久化到相应的存储设备上，触发memstore刷盘的操做有多种不一样的方式以下图：

Memstore刷写流程

以上1,2,3均可以触发memstore的flush操做，可是实现的方式不一样：

• 1经过全局内存控制，触发memstore刷盘操做。memstore总体内存占用上限经过参数hbase.regionserver.global.memstore.upperLimit进行设置，固然在达到上限后，memstore的刷写也不是一直进行，在内存降低到hbase.regionserver.global.memstore.lowerLimit配置的值后，即中止memstore的刷盘操做。这样作，主要是为了防止长时间的memstore刷盘，会影响总体的性能。
• 在该种状况下，RS中全部region的memstore内存占用都没达到刷盘条件，但总体的内存消耗已经到一个很是危险的范围，若是持续下去，颇有可能形成RS的OOM，这个时候，须要进行memstore的刷盘，从而释放内存。
• 2手动触发memstore刷盘操做
• HBase提供API接口，运行经过外部调用进行memstore的刷盘
• 3 memstore上限触发数据刷盘
• 前面提到memstore的大小经过hbase.hregion.memstore.flush.size进行设置，当region中memstore的数据量达到该值时，会自动触发memstore的刷盘操做。

刷盘影响

memstore在不一样的条件下会触发数据刷盘，那么整个数据在刷盘过程当中，对region的数据写入等有什么影响？memstore的数据刷盘，对region的直接影响就是：在数据刷盘开始到结束这段时间内，该region上的访问都是被拒绝的，这里主要是由于在数据刷盘结束时，RS会对改region作一个snapshot，同时HLog作一个checkpoint操做，通知ZK哪些HLog能够被移到.oldlogs下。从前面图上也能够看到，在memstore写盘开始，相应region会被加上UpdateLock锁，写盘结束后该锁被释放。

StoreFile

memstore在触发刷盘操做后会被写入底层存储，每次memstore的刷盘就会相应生成一个存储文件HFile，storeFile即HFile在HBase层的轻量级分装。数据量的持续写入，形成memstore的频繁flush，每次flush都会产生一个HFile，这样底层存储设备上的HFile文件数量将会愈来愈多。无论是HDFS仍是Linux下经常使用的文件系统如Ext四、XFS等，对小而多的文件上的管理都没有大文件来的有效，好比小文件打开须要消耗更多的文件句柄；在大量小文件中进行指定rowkey数据的查询性能没有在少许大文件中查询来的快等等。

Compact

大量HFile的产生，会消耗更多的文件句柄，同时会形成RS在数据查询等的效率大幅度降低，HBase为解决这个问题，引入了compact操做，RS经过compact把大量小的HFile进行文件合并，生成大的HFile文件。
RS上的compact根据功能的不一样，能够分为两种不一样类型，即：minor compact和major compact。

• Minor Compact

minor compact又叫small compact，在RS运行过程当中会频繁进行，主要经过参数hbase.hstore.compactionThreshold进行控制，该参数配置了HFile数量在知足该值时，进行minor compact，minor compact只选取region下部分HFile进行compact操做，而且选取的HFile大小不能超过hbase.hregion.max.filesize参数设置。

• Major Compact

相反major compact也被称之为large compact，major compact会对整个region下相同列簇的全部HFile进行compact，也就是说major compact结束后，同一个列簇下的HFile会被合并成一个。major compact是一个比较长的过程，对底层I/O的压力相对较大。
major compact除了合并HFile外，另一个重要功能就是清理过时或者被删除的数据。前面提到过，HBase的delete操做也是经过append的方式写入，一旦某些数据在HBase内部被删除了，在内部只是被简单标记为删除，真正在存储层面没有进行数据清理，只有经过major compact对HFile进行重组时，被标记为删除的数据才能被真正的清理。
compact操做都有特定的线程进行，通常状况下不会影响RS上数据写入的性能，固然也有例外：在compact操做速度跟不上region中HFile增加速度时，为了安全考虑，RS会在HFile达到必定数量时，对写入进行锁定操做，直到HFile经过compact降到必定的范围内才释放锁。

Split

compact将多个HFile合并单个HFile文件，随着数据量的不断写入，单个HFile也会愈来愈大，大量小的HFile会影响数据查询性能，大的HFile也会，HFile越大，相对的在HFile中搜索的指定rowkey的数据花的时间也就越长，HBase一样提供了region的split方案来解决大的HFile形成数据查询时间过长问题。
一个较大的region经过split操做，会生成两个小的region，称之为Daughter，通常Daughter中的数据是根据rowkey的之间点进行切分的，region的split过程大体以下图：

region split流程

1. region先更改ZK中该region的状态为SPLITING。
2. Master检测到region状态改变。
3. region会在存储目录下新建.split文件夹用于保存split后的daughter region信息。
4. Parent region关闭数据写入并触发flush操做，保证全部写入Parent region的数据都能持久化。
5. 在.split文件夹下新建两个region，称之为daughter A、daughter B。
6. Daughter A、Daughter B拷贝到HBase根目录下，造成两个新的region。
7. Parent region通知修改.META.表后下线，再也不提供服务。
8. Daughter A、Daughter B上线，开始向外提供服务。
9. 若是开启了balance_switch服务，split后的region将会被从新分布。

上面1 ~ 9就是region split的整个过程，split过程很是快，速度基本会在秒级内，那么在这么快的时间内，region中的数据怎么被从新组织的？
其实，split只是简单的把region从逻辑上划分红两个，并无涉及到底层数据的重组，split完成后，Parent region并无被销毁，只是被作下线处理，再也不对外部提供服务。而新产生的region Daughter A和Daughter B，内部的数据只是简单的到Parent region数据的索引，Parent region数据的清理在Daughter A和Daughter B进行major compact之后，发现已经没有到其内部数据的索引后，Parent region才会被真正的清理。

HBase设计

HBase是一个分布式数据库，其性能的好坏主要取决于内部表的设计和资源的分配是否合理。

Rowkey设计

rowkey是HBase实现分布式的基础，HBase经过rowkey范围划分不一样的region，分布式系统的基本要求就是在任什么时候候，系统的访问都不要出现明显的热点现象，因此rowkey的设计相当重要，通常咱们建议rowkey的开始部分以hash或者MD5进行散列，尽可能作到rowkey的头部是均匀分布的。禁止采用时间、用户id等明显有分段现象的标志直接看成rowkey来使用。

列簇设计

HBase的表设计时，根据不一样需求有不一样选择，须要作在线查询的数据表，尽可能不要设计多个列簇，咱们知道，不一样的列簇在存储上是被分开的，多列簇设计会形成在数据查询的时候读取更多的文件，从而消耗更多的I/O。

TTL设计

选择合适的数据过时时间也是表设计中须要注意的一点，HBase中容许列簇定义数据过时时间，数据一旦超过过时时间，能够被major compact进行清理。大量无用历史数据的残余，会形成region体积增大，影响查询效率。

Region设计

通常地，region不宜设计成很大，除非应用对阶段性性能要求不少，可是在未来运行一段时间能够接受停服处理。region过大会致使major compact调用的周期变长，而单次major compact的时间也相应变长。major compact对底层I/O会形成压力，长时间的compact操做可能会影响数据的flush，compact的周期变长会致使许多删除或者过时的数据不能被及时清理，对数据的读取速度等都有影响。
相反，小的region意味着major compact会相对频繁，可是因为region比较小，major compact的相对时间较快，并且相对较多的major compact操做，会加速过时数据的清理。
固然，小region的设计意味着更多的region split风险，region容量太小，在数据量达到上限后，region须要进行split来拆分，其实split操做在整个HBase运行过程当中，是被不怎么但愿出现的，由于一旦发生split，涉及到数据的重组，region的再分配等一系列问题。因此咱们在设计之初就须要考虑到这些问题，尽可能避免region的运行过程当中发生split。
HBase能够经过在表建立的时候进行region的预分配来解决运行过程当中region的split产生，在表设计的时候，预先分配足够多的region数，在region达到上限前，至少有部分数据会过时，经过major compact进行清理后， region的数据量始终维持在一个平衡状态。
region数量的设计还须要考虑内存上的限制，经过前面的介绍咱们知道每一个region都有memstore，memstore的数量与region数量和region下列簇的数量成正比,一个RS下memstore内存消耗：

Memory = memstore大小 * region数量 * 列簇数量

若是不进行前期数据量估算和region的预分配，经过不断的split产生新的region，容易致使由于内存不足而出现OOM现象。