Hbase 读写流程

一 Hbase 读写

Region是HBase数据存储和管理的基本单位。在HBase的一个表中，可以包含一个或多个region。对于一个region，每个列族都会对应一个store，用来存储该列族的数据。每个store都有一个写缓存memstore，用于缓存写入的数据。

【写过程】

1、客户端向RegionServer发送写入数据请求。Client先从缓存中定位region，如果没有缓存则需访问zookeeper，从.META.表获取要写入的region信息

2、定位写入region。找到小于rowkey并且最接近rowkey的startkey对应的region

3、WAL。RegionServer先将数据写入HLog，即WAL，再将数据写入MemStore。将更新写入WAL中。当客户端发起put/delete请求时，考虑到写入内存会有丢失数据的风险，因此在写入缓存前，HBase会先写入到Write Ahead Log（WAL）中（WAL存储在HDFS中），那么即使发生宕机，也可以通过WAL还原初始数据。

4、memstore fulsh到 HDFS storefile。将更新写入memstore中，当增加到一定大小，达到预设的Flush size阈值时，会触发flush memstore，把memstore中的数据写出到hdfs上，生成一个storefile。

5、compact触发storefile合并操作。随着Storefile文件的不断增多，当增长到一定阈值后，触发compact合并操作，将多个storefile合并成一个，同时进行版本合并和数据删除。storefile通过不断compact合并操作，逐步形成越来越大的storefile。

6、storefile触发split，切分region。单个stroefile大小超过一定阈值后，触发split操作，把当前region拆分成两个，新拆分的2个region会被hbase master分配到相应的2个regionserver上。

 

【读过程】

1.客户端访问zookeeper获取meta表（主要记录表的元信息），然后从meta中获取想要操作的region位置。并将meta缓存在客户端（将保存着regionserver位置信息的元数据表.META.进行缓存），用于后续的操作（当一个RegionServer宕机后，客户端需要重新获取meta信息进行缓存）；
2.应的RegionServer建立连接并发起读取数据请求；
3.RegionServer会先到MemStore中查数据，如果查不到就会到BlockCache中查，再查不到就会访问磁盘中HFile读取数据。

 

二 LSM树
Hbase 读取速度快原因分析

B+树的应用场景：主要用在传统的行数据库中，因为查询速度快。但是如有有大量的数据需要查询时就暴露出其弊端。
LSM的优点：能快速进行数据的合并和拆分。

LSM树的应用场景：Hbase就是使用了LSM树。
主要的实现方式：写数据时，
1.写到预写日志中，目的是防止数据在写入时丢失；
2.将数据放入到内存中。
3.当内存的大小超过指定值，会把内存中的数据写入到磁盘上。
关键点：磁盘的数据是有序的，这是利用预写日志和内存把随机写数据进行排序后写入，因此也能保证稳定的数据插入速率。

知道hbase的存储形式，接下来讲下hbase为什么能快速的读写删除。
读功能：
读取内容的顺序是先到内存中去寻找，再到磁盘中查找。我们都清楚的一点是：磁盘的查询速度是非常慢的。
问题来了，为什么kafka和hbase的速度非常快的?
这个需要认识到磁盘的一些小知识。我们在查找数据时，首先是去磁盘寻道。这个才是最耗时的。
所以，使用Hbase的范围查询，假如有五个存储文件，最多也就进行五次的磁盘寻道。所以读功能的性能瓶颈也就得到了提升。

删除功能：
删除数据不是进行实质上的删除，也就是磁盘上仍然存在此条数据。只不过是对删除的数据打上了墓碑标记。利用墓碑标记，读数据会忽略此条数据。
当进行小文件合并时，才会进行实质上删除。

推荐一篇文章读读

https://blog.csdn.net/keda8997110/article/details/50916800

 

三 存储目录分析

Zookeeper
HBase通过Zookeeper来做master的高可用、RegionServer的监控、元数据的入口以及集群配置的维护等工作。具体工作如下：
通过Zoopkeeper来保证集群中只有1个master在运行，如果master异常，会通过竞争机制产生新的master提供服务
通过Zoopkeeper来监控RegionServer的状态，当RegionSevrer有异常的时候，通过回调的形式通知Master RegionServer上下线的信息
通过Zoopkeeper存储元数据的统一入口地址

master节点：
为RegionServer分配Region
维护整个集群的负载均衡
维护集群的元数据信息
发现失效的Region，并将失效的Region分配到正常的RegionServer上
当RegionSever失效的时候，协调对应Hlog的拆分

HregionServer
HregionServer直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：
管理master为其分配的Region
处理来自客户端的读写请求
负责和底层HDFS的交互，存储数据到HDFS
负责Region变大以后的拆分
负责Storefile的合并工作

HFile存储在Store中，一个Store对应HBase表中的一个列族(列簇， Column Family)。