HBase架构设计和工作原理_拾荒路上的开拓者_hbase的体系架构

大大的周 02-07 1651

1 HBase系统架构 Client职责

1、HBase有两张特殊表：

.META.：记录用户所有表拆分出来的Region映射信息，.META可以有多个Region-ROOT-：记录了.META.表的Region信息，-ROOT-只有一个Region，无论如何都不会分裂split

2、Client访问用户数据前需要首先访问Zookeeper，找到-ROOT-表的Region所在的服务器位置，然后访问-ROOT-表，接着访问META表，最后才能找到用户数据的服务器位置去访问，中间需要多次网络操作，不过client端会做cache缓存

Zookeeper职责 Zookeeper为HBase提供Failover机制，选举Master，避免单点Master故障问题存储所有Region的寻址入口：-ROOT-表的位置信息实时监控RegionServer的状态，将RegionServer的上线和下线信息实时通知给Master存储HBase的Schema，包括有哪些Table，每个Table有哪些Column?Family

HBase的元数据有两种：

HBase中的表的相关信息，主要指表名、列簇的定义等，Master来管理所有用户表的region的位置信息，这种数据也称之为元数据；存储在meta表，meta表由多个region组成，这些region也会分散到各个RegionServer去存储 Master职责为RegionServer分配Region负责RegionServer的负载均衡发现失效的RegionServer并重新分配其上的RegionHDFS上的垃圾文件（HBase）回收处理Schema更新请示（表的创建、删除、修改、列簇的增加等等）这些schema的数据都是存储在Zookeeper，但是Master负责更新如果涉及表的创建、修改、删除等操作，Master宕机了就没法做，但是数据的插入和查询还是可以继续 RegionServer职责 RegionServer维护Master分配给它的Region，处理对这些Region的IO请求负责和底层的文件系统HDFS的交互，存储数据到HDFS；每个RegionServer内部有一个客户端（DataNode的代理），负责把数据写入HDFS负责Store的HFile的合并Compact工作 +?Split工作RegionSever负责Split在运行过程中变得过大的Region，负责Compact操作总结 Client访问HBase上数据?的过程中并不需要Master参与（寻址访问Zookeeper和RegionServer，数据读写访问RegionServer），Master仅仅维护着Table和Region的元数据?信息，负载很低META存的是所有的Region位置信息，那么RegionServer当中Regoin在进行分裂之后的新产生的Region，是由Master来决定发到哪个RegionServer，这就由Master来决定发到哪个RegionServer；这意味着，只有Master知道new Region的位置信息，由Master来管理.META.这个表当中的数据的CRUD

如果master宕机了，那些事情不能做：

1、创建，修改，删除，表 2、负责均衡不能做 3、split不能做了。

那些操作能继续做呢？

1、读数据 2、写数据

2?物理存储 2.1?整体物理结构

?要点知识：

Table中的所有行都按照Rowkey的字典序排列，hbase的一个rowkey就对应一行数据Table在行的方向上分割为多个HRegionHRegion按大小分割的（默认10G），每个表一开始只有一个HRegion，随着数据不断插入表，HRegion不断增大，当增大到一个阀值的时候，HRegion就会等分为两个新的HRegion。当表中的行不断增多，就会有起来越多的HRegionHRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion可以分布在不同的HRegionServer上，但一个HRegion是不会拆分到多个server上HRegion虽然是负载均衡的最小单元，但并不是物理存储的最小单元。事实上，HRegion由一个或者多个Store组成，每个Store保存一个Column?Family。每个Store又由一个MemStore和0至多个StoreFile组成 2.2 StoreFile和HFile结构

StoreFile 以 HFile 格式保存在 HDFS 上，请看下图 HFile 的数据组织格式：

?首先 HFile 文件是不定长的，长度固定的只有其中的两块：Trailer 和 FileInfo。正如图中所示： Trailer中有指针指向其他数据块的起始点。 FileInfo中记录了文件的一些Meta信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY,COMPARATOR, MAX_SEQ_ID_KEY等。

Data Block 段–保存表中的数据，这部分可以被压缩。Meta Block 段 (可选的)–保存用户自定义的key-value对，可以被压缩。File Info 段–HFile的元信息，不被压缩，用户也可以在这一部分添加自己的元信息。Data Block Index 段–Data Block的索引。每条索引的key是被索引的block的第一条记录的key。Meta Block Index段 (可选的)–Meta Block的索引。Trailer段–这一段是定长的。保存了每一段的偏移量，读取一个HFile时，会首先读取Trailer，Trailer保存了每个段的起始位置(段的Magic Number用来做安全check)，然后，DataBlock Index会被读取到内存中，这样，当检索某个key时，不需要扫描整个HFile，而只需从内存中找到key所在的block，通过一次磁盘IO将整个block读取到内存中，再找到需要的key。DataBlock Index采用LRU机制淘汰

HFile的Data?Block，Meta?Block通常采用压缩方式存储，压缩之后可以大大减少网络IO和磁盘IO，随之而来的开销是需要花费cpu进行压缩和解压缩；目标HFile的压缩支持两种方式：Gzip，LZO

Data Index和Meta Index块记录了每个Data块和Meta块的起始点。

Data Block是HBase I/O的基本单元，为了提高效率，HRegionServer中有基于LRU的Block Cache机制。每个Data块的大小可以在创建一个Table的时候通过参数指定，大号的Block有利于顺序Scan，小号Block利于随机查询。每个Data块除了开头的Magic以外就是一个个KeyValue对拼接而成，Magic内容就是一些随机数字，目的是防止数据损坏。

HFile里面的每个KeyValue对就是一个简单的byte数组。但是这个byte数组里面包含了很多项，并且有固定的结构。我们来看看里面的具体结构

rowkey, cf, qualifier, timestamp, value 这四个字段的长度 + Cell的类型（Put/Delete）

?开始是两个固定长度的数值，分别表示Key的长度和Value的长度。紧接着是Key，开始是固定长度的数值，表示RowKey的长度，紧接着是 RowKey，然后是固定长度的数值，表示Family的长度，然后是Family，接着是Qualifier，然后是两个固定长度的数值，表示TimeStamp和KeyType（Put/Delete）。Value部分没有这么复杂的结构，就是纯粹的二进制数据了。

2.3?MemStore和StoreFile

一个HRegion由多个Store组成，每个Store包含一个列簇的所有数据。

Store包括位于内存的一个MemStore和位于硬盘的多个StoreFile组成

写操作先写入MemStore，当MemStore中的数据量达到某个阈值，HRegionServer启动flushcache进程进入StoreFile，每次写入形成单独一个HFile。

当总StoreFile大小超过一定阈值后，会把当前的Region分割成两个，并由HMaster分配给相应的RegionServer，实现负载均衡。

Client检索数据时，先在MemStore找，找不到再找StoreFile。

2.4?HLog &?WAL

WAL意为Write?Ahead?Log，类似MySQL中的binlog，用来做灾难恢复之用，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。

HBase采用类LSM的架构体系，数据写入并没有直接写入数据?文件，而是会先写入缓存（MemStore），在满足一定条件下缓存数据再会异步flush到硬盘。为了防止数据写入缓存之后不会因为RegionServer进程发生异常导致数据丢失，在写入缓存之前会首先将数据?顺序写入HLog中。如果不幸一旦发生RegionServer宕机或者其它异常，这种设计可以从HLog中进行日志回话进行数据补救，保证数据不丢失。HBase故障恢复的最大看点就在于如何通过HLog回话补救丢失的数据。

WAL(Write-Ahead Logging)是一种高效的日志算法，几乎是所有非内存数据库提升写性能的不二法门，基本原理是在数据写入之前首先顺序写入日志，然后再写入缓存，等到缓存写满之后统一落盘。之所以能够提升写性能，是因为WAL将一次随机写转化为了一次顺序写加一次内存写。提升写性能的同时，WAL可以保证数据的可靠性，即在任何情况下数据不丢失。假如一次写入完成之后发生了宕机，即使所有缓存中的数据丢失，也可以通过恢复日志还原出丢失的数据。

每个Region Server维护一个HLog，而不是每个Region一个。这样不同region(来自不同table)的日志会混在一起，这样做的目的是不断追加单个文件相对于同时写多个文件而言，可以减少磁盘寻址次数，因此可以提高对table的写性能。带来的麻烦是，如果一台region server下线，为了恢复其上的Region，需要将RegionServer上的log进行拆分，然后分发到其它RegionServer上进行恢复。

HLog Sequence File 的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是”写入时间”，sequencenumber的起始值为0，或者是最近一次存入文件系统中sequence number。HLog Sequece File的Value是HBase的KeyValue对象，即对应HFile中的KeyValue 3?寻址机制 3.1?老的Region寻址机制

在HBase-0.96版本以前，HBase有两个特殊的表，分别是-ROOT-表和.META.表，其中-ROOT-的位置存储在ZooKeeper中，-ROOT-本身存储了.META. Table的RegionInfo信息，并且-ROOT-不会分裂，只有一个Region。而.META.表可以被切分成多个Region。读取的流程如下图所示：

第1步：Client请求ZooKeeper获得-ROOT-所在的RegionServer地址第2步：Client请求-ROOT-所在的RS地址，获取.META.表的地址，Client会将-ROOT-的相关信息cache下来，以便下一次快速访问第3步：Client请求.META.表的RegionServer地址，获取访问数据所在RegionServer的地址，Client会将.META.的相关信息cache下来，以便下一次快速访问第4步：Client请求访问数据所在RegionServer的地址，获取对应的数据

从上面的路径我们可以看出，用户需要3次请求才能直到用户Table真正的位置，这在一定程序带来了性能的下降。在0.96之前使用3层设计的主要原因是考虑到元数据可能需要很大。但是真正集群运行，元数据的大小其实很容易计算出来。在BigTable的论文中，每行METADATA数据存储大小为1KB左右，如果按照一个Region为128M的计算，3层设计可以支持的Region个数为2^34个，采用2层设计可以支持2^17（131072）。那么2层设计的情况下一个集群可以存储4P的数据。这仅仅是一个Region只有128M的情况下。如果是10G呢? 因此，通过计算，其实2层设计就可以满足集群的需求。因此在0.96版本以后就去掉了-ROOT-表了。

3.2?新的Region寻址方式

如上面的计算，2层结构其实完全能满足业务的需求，因此0.96版本以后将-ROOT-表去掉了。如下图所示：

第1步：Client请求ZooKeeper获取.META.所在的RegionServer的地址。第2步：Client请求.META.所在的RegionServer获取访问数据所在的RegionServer地址，Client会将.META.的相关信息cache下来，以便下一次快速访问。第3步：Client请求数据所在的RegionServer，获取所需要的数据。

这里还有一个问题需要说明，那就是Client会缓存.META.的数据，用来加快访问，既然有缓存，那它什么时候更新？如果.META.更新了，比如Region1不在RerverServer2上了，被转移到了RerverServer3上。Client的缓存没有更新会有什么情况？

其实，Client的元数据缓存不更新，当.META.的数据发生更新。如上面的例子，由于Region1的位置发生了变化，Client再次根据缓存去访问的时候，会出现错误，当出现异常达到重试次数后就会去.META.所在的RegionServer获取最新的数据，如果.META.所在的RegionServer也变了，Client就会去ZooKeeper上获取.META.所在的RegionServer的最新地址。

4?读写过程 4.1?读请求过程

?详细步骤：

客户端通过Zookeeper以及-ROOT表和.META.表找到目标数据所在的RegionServer（就是数据所在的Region的主机地址）联系RegionServer查询目标数据RegionServer定位到目标数据所在的Region，发出查询请求Region先在MemStore中查找，命中则返回如果在MemStore中找不到，则在StoreFile中扫描先从MemStore找数据，如果没有找到从blockcache找数据，如果也没有找到（布隆过滤器）从HFile当中，HFile也是一种精妙设计的结果，扫描起来也不会特别慢

HBase的单个key的扫描速度和Table的数据规模没有关系

4.2?写请求过程

Client先根据RowKey找到对应的Region所在的RegionServerClient向RegionServer提交写请求RegionServer找到目标RegionRegion检查数据?是否与Schema一致如果客户端没有指定版本，则获取当前系统时间作为数据版本将更新写入WAL Log将更新写入MemStore判断MemStore是否需要Flush为StoreFile文件

?写入数据的前提：需要保证该张表是按照RowKey有序的

Hbase在做数据插入操作时，首先要找到RowKey所对应的的Region，怎么找到的？其实这个简单，因为.META.表存储了每张表每个Region的起始RowKey了。

4.3?Region的Split和Compact

数据在更新时首先写入HLog（WAL?Log），再写入内存（MemStore）中，MemStore（ConcurrentSkipListMap，优点就是增删改查key-value效率都很高）中的数据是排序的当MemStore累计到一定阈值（默认是128M，局部控制）时，就会创建一个新的MemStore，并且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。与此同时，系统会在ZooKeeper中记录一个redo?point，表示这个时刻之前的变更已经持久化了。当系统出现意外时，可能导致内存（MemStore）中的数据丢失，此时使用HLog（WAL?Log）来恢复checkpoint之后的数据。

MemStore执行flush操作的触发条件：

全局内存控制：当所有memstore占整个heap的最大比例的时候，会触发刷盘的操作。这个参数是hbase.regionserver.global.memstore.upperLimit，默认为整个heap内存的40%。这个全局的参数是控制内存整体的使用情况，但这并不意味着全局内存触发的刷盘操作会将所有的MemStore都进行输盘，而是通过另外一个参数hbase.regionserver.global.memstore.lowerLimit来控制，默认是整个heap内存的35%。当flush到所有memstore占整个heap内存的比率为35%的时候，就停止刷盘。这么做主要是为了减少刷盘对业务带来的影响，实现平滑系统负载的目的。局部内存控制：当MemStore的大小达到hbase.hregion.memstore.flush.size大小的时候会触发刷盘，默认128M大小HLog的数量：前面说到HLog为了保证HBase数据的一致性，那么如果HLog太多的话，会导致故障恢复的时间太长，因此HBase会对HLog的最大个数做限制。当达到HLog的最大个数的时候，会强制刷盘。这个参数是hase.regionserver.max.logs，默认是32个手动操作：可以通过HBase Shell或者Java API手工触发flush的操作

HBase的三种默认的Split策略：

ConstantSizeRegionSplitPolicy 常数数量IncreasingToUpperBoundRegionSplitPolicy 递增上限SteppingSplitPolicy 步增上线

StoreFile是只读的，一旦创建后就不可以再修改。因此HBase的更新/修改其实是不断追加的操作。当一个Store中的StoreFile达到一定的阈值后，就会进行一次合并（minor_compact, major_compact），将对同一个key的修改合并到一起，形成一个大的StoreFile，当StoreFile的大小达到一定阈值后，又会对StoreFile进行split，等分为两个StoreFile。由于对表的更新是不断追加的，compact时，需要访问Store中全部的StoreFile和MemStore，将它们按RowKey进行合并，由于StoreFile和MemStore都是经过排序的，并且StoreFile带有内存中索引，合并的过程还是比较快。

Minor_Compact 和 Major_Compact 的区别：

Minor操作只用来做部分文件的合并操作以及包括minVersion=0并且设置ttl的过期版本清理，不做任何删除数据、多版本数据的清理工作。Major操作是对Region下的HStore下的所有StoreFile执行合并操作，最终的结果是整理合并出一个文件。

Client写入 ->?存入MemStore，一直到MemStore写满 -> Flush成一个StoreFile，直至增长到一定阈值 ->?触发Compact合并操作 ->?多个StoreFile合并成一个StoreFile，同时进行版本合并和数据删除 ->?当StoreFile?Copact后，逐步形成越来越大的StoreFile ->?单个StoreFile大小超过一定阈值后，触发Split操作，把当前Region?Split成2个Region，Region会下线，新Split出的2个孩子Region会被HMaster分配到相应的HRegionServer上，使原先1个Region的压力得以分流到2个Region上。由此过程可知，HBase只是增加数据，所有的更新和删除操作，都晨Compact阶段做的，所以，用户写操作只需要进入到内存即可立即返回，从而保证I/O高性能。

写入数据的过程补充：

工作机制：每个HRegionServer中都会有一个HLog对象，HLog是一个实现Write?Ahead?Log的类，每次用户操作写入MemStore的同时，也会写一份数据?到HLog文件，HLog文件定期会滚动出新，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知，HMaster首先处理遗留的HLog文件，将不同Region的Log数据拆分，分别放到相应的Region目录下，然后再将失效的Region（带有刚刚拆分的log）重新分配，领取到这些Region的HRegionServer在load?Region的过程中，会发现有历史HLog需要处理，因此会Replay?HLog的数据?到MemStore中，然后flush到StoreFiles，完成数据恢复