Hbase 技術細節筆記（上）

歡迎大家前往騰訊雲技術社區，獲取更多騰訊海量技術實踐幹貨哦~

作者：張秀雲

前言

最近在跟進Hbase的相關工作，由於之前對Hbase並不怎麽了解，因此系統地學習了下Hbase，為了加深對Hbase的理解，對相關知識點做了筆記，並在組內進行了Hbase相關技術的分享，由於Hbase涵蓋的內容比較多，因此計劃分享2期，下面就是針對第一期Hbase技術分享整體而成，第一期的主要內容如下:

一、Hbase介紹
二、Hbase的Region介紹
三、Hbase的寫邏輯介紹
四、Hbase的故障恢復
五、Hbase的拆分和合並

如下ppt所示：

下面就來針對各個部分的內容來進行詳細的介紹：

一、Hbase介紹

1、Hbase簡介

Hbase是Hadoop database的簡稱，Hbase項目是由Powerset公司的Chad Walters和Jim Kelleman在2006年末發起，根據Google的Chang等人發表的論文“Bigtable：A Distributed Storage system for Strctured Data“來設計的。2007年10月發布了第一個版本。2010年5月，Hbase從Hadoop子項目升級成Apache頂級項目。

Hbase是分布式、面向列的開源數據庫（其實準確的說是面向列族）。HDFS為Hbase提供可靠的底層數據存儲服務，MapReduce為Hbase提供高性能的計算能力，Zookeeper為Hbase提供穩定服務和Failover機制，因此我們說Hbase是一個通過大量廉價的機器解決海量數據的高速存儲和讀取的分布式數據庫解決方案。

2、Hbase幾個特點介紹

提煉出Hbase的幾個特點，如下圖所示：

2.1、海量存儲

Hbase適合存儲PB級別的海量數據，在PB級別的數據以及采用廉價PC存儲的情況下，能在幾十到百毫秒內返回數據。這與Hbase的極易擴展性息息相關。正式因為Hbase良好的擴展性，才為海量數據的存儲提供了便利。

2.2、列式存儲

這裏的列式存儲其實說的是列族存儲，Hbase是根據列族來存儲數據的。列族下面可以有非常多的列，列族在創建表的時候就必須指定。為了加深對Hbase列族的理解，下面是一個簡單的關系型數據庫的表和Hbase數據庫的表：

RDBMS的表：

Hbase的表：

下圖是針對Hbase和關系型數據庫的基本的一個比較：

2.3、極易擴展

Hbase的擴展性主要體現在兩個方面，一個是基於上層處理能力（RegionServer）的擴展，一個是基於存儲的擴展（HDFS）。
通過橫向添加RegionSever的機器，進行水平擴展，提升Hbase上層的處理能力，提升Hbsae服務更多Region的能力。

備註：RegionServer的作用是管理region、承接業務的訪問，這個後面會詳細的介紹通過橫向添加Datanode的機器，進行存儲層擴容，提升Hbase的數據存儲能力和提升後端存儲的讀寫能力。

2.4、高並發

由於目前大部分使用Hbase的架構，都是采用的廉價PC，因此單個IO的延遲其實並不小，一般在幾十到上百ms之間。這裏說的高並發，主要是在並發的情況下，Hbase的單個IO延遲下降並不多。能獲得高並發、低延遲的服務。

2.5、稀疏

稀疏主要是針對Hbase列的靈活性，在列族中，你可以指定任意多的列，在列數據為空的情況下，是不會占用存儲空間的。

3、Hbase的幾個概念介紹

在我學習Hbase的時候有幾個概念需要重點理解一下，列出4個基礎概念如下圖所示：

3.1、Column Family的概念

Column Family又叫列族，Hbase通過列族劃分數據的存儲，列族下面可以包含任意多的列，實現靈活的數據存取。剛接觸的時候，理解起來有點吃力。我想到了一個非常類似的概念，理解起來就非常容易了。那就是家族的概念，我們知道一個家族是由於很多個的家庭組成的。列族也類似，列族是由一個一個的列組成（任意多）。

Hbase表的創建的時候就必須指定列族。就像關系型數據庫創建的時候必須指定具體的列是一樣的。

Hbase的列族不是越多越好，官方推薦的是列族最好小於或者等於3。我們使用的場景一般是1個列族。

3.2、Rowkey的概念

Rowkey的概念和mysql中的主鍵是完全一樣的，Hbase使用Rowkey來唯一的區分某一行的數據。

由於Hbase只支持3中查詢方式：

基於Rowkey的單行查詢
基於Rowkey的範圍掃描
全表掃描

因此，Rowkey對Hbase的性能影響非常大，Rowkey的設計就顯得尤為的重要。設計的時候要兼顧基於Rowkey的單行查詢也要鍵入Rowkey的範圍掃描。具體Rowkey要如何設計後續會整理相關的文章做進一步的描述。這裏大家只要有一個概念就是Rowkey的設計極為重要。

3.3、Region的概念

Region的概念和關系型數據庫的分區或者分片差不多。
Hbase會將一個大表的數據基於Rowkey的不同範圍分配到不通的Region中，每個Region負責一定範圍的數據訪問和存儲。這樣即使是一張巨大的表，由於被切割到不通的region，訪問起來的時延也很低。

3.4、TimeStamp的概念

TimeStamp對Hbase來說至關重要，因為它是實現Hbase多版本的關鍵。在Hbase中使用不同的timestame來標識相同rowkey行對應的不通版本的數據。

在寫入數據的時候，如果用戶沒有指定對應的timestamp，Hbase會自動添加一個timestamp，timestamp和服務器時間保持一致。
在Hbase中，相同rowkey的數據按照timestamp倒序排列。默認查詢的是最新的版本，用戶可同指定timestamp的值來讀取舊版本的數據。

4、Hbase的架構

Hbase的架構圖如下圖所示：

從圖中可以看出Hbase是由Client、Zookeeper、Master、HRegionServer、HDFS等幾個組建組成，下面來介紹一下幾個組建的相關功能：

4.1、Client

Client包含了訪問Hbase的接口，另外Client還維護了對應的cache來加速Hbase的訪問，比如cache的.META.元數據的信息。

4.2、Zookeeper

Hbase通過Zookeeper來做master的高可用、RegionServer的監控、元數據的入口以及集群配置的維護等工作。具體工作如下：

通過Zoopkeeper來保證集群中只有1個master在運行，如果master異常，會通過競爭機制產生新的master提供服務

通過Zoopkeeper來監控RegionServer的狀態，當RegionSevrer有異常的時候，通過回調的形式通知Master RegionServer上下限的信息

通過Zoopkeeper存儲元數據的統一入口地址

4.3、Hmaster

master節點的主要職責如下：
為RegionServer分配Region
維護整個集群的負載均衡
維護集群的元數據信息
發現失效的Region，並將失效的Region分配到正常的RegionServer上
當RegionSever失效的時候，協調對應Hlog的拆分

4.4、HregionServer

HregionServer直接對接用戶的讀寫請求，是真正的“幹活”的節點。它的功能概括如下：
管理master為其分配的Region
處理來自客戶端的讀寫請求
負責和底層HDFS的交互，存儲數據到HDFS
負責Region變大以後的拆分
負責Storefile的合並工作

4.5、HDFS

HDFS為Hbase提供最終的底層數據存儲服務，同時為Hbase提供高可用（Hlog存儲在HDFS）的支持，具體功能概括如下：
提供元數據和表數據的底層分布式存儲服務
數據多副本，保證的高可靠和高可用性

5、Hbase的使用場景

Hbase是一個通過廉價PC機器集群來存儲海量數據的分布式數據庫解決方案。它比較適合的場景概括如下：

是巨量大（百T、PB級別）
查詢簡單（基於rowkey或者rowkey範圍查詢）
不涉及到復雜的關聯

有幾個典型的場景特別適合使用Hbase來存儲：
海量訂單流水數據（長久保存）
交易記錄
數據庫歷史數據

二、Hbase的Region介紹

前面已經介紹了Region類似於數據庫的分片和分區的概念，每個Region負責一小部分Rowkey範圍的數據的讀寫和維護，Region包含了對應的起始行到結束行的所有信息。master將對應的region分配給不同的RergionServer，由RegionSever來提供Region的讀寫服務和相關的管理工作。這部分主要介紹Region實例以及Rgeion的尋找路徑：

1、region實例

上圖模擬了一個Hbase的表是如何拆分成region，以及分配到不同的RegionServer中去。上面是1個Userinfo表，裏面有7條記錄，其中rowkey為0001到0002的記錄被分配到了Region1上，Rowkey為0003到0004的記錄被分配到了Region2上，而rowkey為0005、0006和0007的記錄則被分配到了Region3上。region1和region2被master分配給了RegionServer1（RS1），Region3被master配分給了RegionServer2（RS2）

備註：這裏只是為了更容易的說明拆分的規則，其實真實的場景並不會幾條記錄拆分到不通的Region上，而是到一定的數據量才會拆分，具體的在Region的拆分那部分再具體的介紹。

2、Region的尋址

既然讀寫都在RegionServer上發生，我們前面有講到，每個RegionSever為一定數量的region服務，那麽client要對某一行數據做讀寫的時候如何能知道具體要去訪問哪個RegionServer呢？那就是接下來我們要討論的問題

2.1、老的Region尋址方式

在Hbase 0.96版本以前，Hbase有兩個特殊的表，分別是-ROOT-表和.META.表，其中-ROOT-的位置存儲在ZooKeeper中，-ROOT-本身存儲了 .META. Table的RegionInfo信息，並且-ROOT-不會分裂，只有一個region。而.META.表可以被切分成多個region。讀取的流程如下圖所示：

第1步：client請求ZK獲得-ROOT-所在的RegionServer地址

第2步：client請求-ROOT-所在的RS地址，獲取.META.表的地址，client會將-ROOT-的相關信息cache下來，以便下一次快速訪問

第3步：client請求 .META.表的RS地址，獲取訪問數據所在RegionServer的地址，client會將.META.的相關信息cache下來，以便下一次快速訪問

第4步：client請求訪問數據所在RegionServer的地址，獲取對應的數據

從上面的路徑我們可以看出，用戶需要3次請求才能直到用戶Table真正的位置，這在一定程序帶來了性能的下降。在0.96之前使用3層設計的主要原因是考慮到元數據可能需要很大。但是真正集群運行，元數據的大小其實很容易計算出來。在BigTable的論文中，每行METADATA數據存儲大小為1KB左右，如果按照一個Region為128M的計算，3層設計可以支持的Region個數為2^34個，采用2層設計可以支持2^17（131072）。那麽2層設計的情況下一個集群可以存儲4P的數據。這僅僅是一個Region只有128M的情況下。如果是10G呢? 因此，通過計算，其實2層設計就可以滿足集群的需求。因此在0.96版本以後就去掉了-ROOT-表了。

2.2、新的Region尋址方式

如上面的計算，2層結構其實完全能滿足業務的需求，因此0.96版本以後將-ROOT-表去掉了。如下圖所示：

訪問路徑變成了3步：

第1步：Client請求ZK獲取.META.所在的RegionServer的地址。

第2步：Client請求.META.所在的RegionServer獲取訪問數據所在的RegionServer地址，client會將.META.的相關信息cache下來，以便下一次快速訪問。

第3步：Client請求數據所在的RegionServer，獲取所需要的數據。

總結去掉-ROOT-的原因有如下2點：

其一：提高性能
其二：2層結構已經足以滿足集群的需求

這裏還有一個問題需要說明，那就是Client會緩存.META.的數據，用來加快訪問，既然有緩存，那它什麽時候更新？如果.META.更新了，比如Region1不在RerverServer2上了，被轉移到了RerverServer3上。client的緩存沒有更新會有什麽情況？
其實，Client的元數據緩存不更新，當.META.的數據發生更新。如上面的例子，由於Region1的位置發生了變化，Client再次根據緩存去訪問的時候，會出現錯誤，當出現異常達到重試次數後就會去.META.所在的RegionServer獲取最新的數據，如果.META.所在的RegionServer也變了，Client就會去ZK上獲取.META.所在的RegionServer的最新地址。

三、Hbase的寫邏輯

Hbase的寫邏輯涉及到寫內存、寫log、刷盤等操作，看起來簡單，其實裏面又有很多的邏輯，下面就來做詳細的介紹

1、Hbase寫入邏輯

Hbase的寫入流程如下圖所示：

從上圖可以看出氛圍3步驟：

第1步：Client獲取數據寫入的Region所在的RegionServer
第2步：請求寫Hlog
第3步：請求寫MemStore

只有當寫Hlog和寫MemStore都成功了才算請求寫入完成。MemStore後續會逐漸刷到HDFS中。

備註：Hlog存儲在HDFS，當RegionServer出現異常，需要使用Hlog來恢復數據。

2、MemStore刷盤

為了提高Hbase的寫入性能，當寫請求寫入MemStore後，不會立即刷盤。而是會等到一定的時候進行刷盤的操作。具體是哪些場景會觸發刷盤的操作呢？總結成如下的幾個場景：

2.1、全局內存控制

這個全局的參數是控制內存整體的使用情況，當所有memstore占整個heap的最大比例的時候，會觸發刷盤的操作。這個參數是hbase.regionserver.global.memstore.upperLimit，默認為整個heap內存的40%。但這並不意味著全局內存觸發的刷盤操作會將所有的MemStore都進行輸盤，而是通過另外一個參數hbase.regionserver.global.memstore.lowerLimit來控制，默認是整個heap內存的35%。當flush到所有memstore占整個heap內存的比率為35%的時候，就停止刷盤。這麽做主要是為了減少刷盤對業務帶來的影響，實現平滑系統負載的目的。

2.2、MemStore達到上限

當MemStore的大小達到hbase.hregion.memstore.flush.size大小的時候會觸發刷盤，默認128M大小

2.3、RegionServer的Hlog數量達到上限

前面說到Hlog為了保證Hbase數據的一致性，那麽如果Hlog太多的話，會導致故障恢復的時間太長，因此Hbase會對Hlog的最大個數做限制。當達到Hlog的最大個數的時候，會強制刷盤。這個參數是hase.regionserver.max.logs，默認是32個。

2.4、手工觸發

可以通過hbase shell或者Java api手工觸發flush的操作。

2.5、關閉RegionServer觸發

在正常關閉RegionServer會觸發刷盤的操作，全部數據刷盤後就不需要再使用Hlog恢復數據。

2.6、Region使用HLOG恢復完數據後觸發

當RegionServer出現故障的時候，其上面的Region會遷移到其他正常的RegionServer上，在恢復完Region的數據後，會觸發刷盤，當刷盤完成後才會提供給業務訪問。

3、Hlog

3.1、Hlog簡介

Hlog是Hbase實現WAL（Write ahead log）方式產生的日誌信息，內部是一個簡單的順序日誌。每個RegionServer對應1個Hlog(備註：1.x版本的可以開啟MultiWAL功能，允許多個Hlog)，所有對於該RegionServer的寫入都被記錄到Hlog中。Hlog實現的功能就是我們前面講到的保證數據安全。當RegionServer出現問題的時候，能跟進Hlog來做數據恢復。此外為了保證恢復的效率，Hbase會限制最大保存的Hlog數量，如果達到Hlog的最大個數（hase.regionserver.max.logs參數控制）的時候，就會觸發強制刷盤操作。對於已經刷盤的數據，其對應的Hlog會有一個過期的概念，Hlog過期後，會被監控線程移動到 .oldlogs，然後會被自動刪除掉。

Hbase是如何判斷Hlog過期的呢？要找到這個答案，我們就必須了解Hlog的詳細結構。

3.2、Hlog結構

下圖是Hlog的詳細結構（圖片來源 http://hbasefly.com/ ）：

從上圖我們可以看出都個Region共享一個Hlog文件，單個Region在Hlog中是按照時間順序存儲的，但是多個Region可能並不是完全按照時間順序。

每個Hlog最小單元由Hlogkey和WALEdit兩部分組成。Hlogky由sequenceid、timestamp、cluster ids、regionname以及tablename等組成，WALEdit是由一系列的KeyValue組成，對一行上所有列（即所有KeyValue）的更新操作，都包含在同一個WALEdit對象中，這主要是為了實現寫入一行多個列時的原子性。

註意，圖中有個sequenceid的東東。sequenceid是一個store級別的自增序列號，這東東非常重要，region的數據恢復和Hlog過期清除都要依賴這個東東。下面就來簡單描述一下sequenceid的相關邏輯。

Memstore在達到一定的條件會觸發刷盤的操作，刷盤的時候會獲取刷新到最新的一個sequenceid的下一個sequenceid，並將新的sequenceid賦給oldestUnflushedSequenceId，並刷到Ffile中。有點繞，舉個例子來說明：比如對於某一個store，開始的時候oldestUnflushedSequenceId為NULL，此時，如果觸發flush的操作，假設初始刷盤到sequenceid為10，那麽hbase會在10的基礎上append一個空的Entry到HLog，最新的sequenceid為11，然後將sequenceid為11的號賦給oldestUnflushedSequenceId，並將oldestUnflushedSequenceId的值刷到Hfile文件中進行持久化。
Hlog文件對應所有Region的store中最大的sequenceid如果已經刷盤，就認為Hlog文件已經過期，就會移動到.oldlogs，等待被移除。
當RegionServer出現故障的時候，需要對Hlog進行回放來恢復數據。回放的時候會讀取Hfile的oldestUnflushedSequenceId中的sequenceid和Hlog中的sequenceid進行比較，小於sequenceid的就直接忽略，但與或者等於的就進行重做。回放完成後，就完成了數據的恢復工作。

3.3、Hlog的生命周期

Hlog從產生到最後刪除需要經歷如下幾個過程：

產生
所有涉及到數據的變更都會先寫Hlog，除非是你關閉了Hlog
滾動
Hlog的大小通過參數hbase.regionserver.logroll.period控制，默認是1個小時，時間達到hbase.regionserver.logroll.period 設置的時間，Hbase會創建一個新的Hlog文件。這就實現了Hlog滾動的目的。Hbase通過hbase.regionserver.maxlogs參數控制Hlog的個數。滾動的目的，為了控制單個Hlog文件過大的情況，方便後續的過期和刪除。
過期
前面我們有講到sequenceid這個東東，Hlog的過期依賴於對sequenceid的判斷。Hbase會將Hlog的sequenceid和Hfile最大的sequenceid（刷新到的最新位置）進行比較，如果該Hlog文件中的sequenceid比刷新的最新位置的sequenceid都要小，那麽這個Hlog就過期了，過期了以後，對應Hlog會被移動到.oldlogs目錄。
這裏有個問題，為什麽要將過期的Hlog移動到.oldlogs目錄，而不是直接刪除呢？
答案是因為Hbase還有一個主從同步的功能，這個依賴Hlog來同步Hbase的變更，有一種情況不能刪除Hlog，那就是Hlog雖然過期，但是對應的Hlog並沒有同步完成，因此比較好的做好是移動到別的目錄。再增加對應的檢查和保留時間。
刪除
如果Hbase開啟了replication，當replication執行完一個Hlog的時候，會刪除Zoopkeeper上的對應Hlog節點。在Hlog被移動到.oldlogs目錄後，Hbase每隔hbase.master.cleaner.interval（默認60秒）時間會去檢查.oldlogs目錄下的所有Hlog，確認對應的Zookeeper的Hlog節點是否被刪除，如果Zookeeper 上不存在對應的Hlog節點，那麽就直接刪除對應的Hlog。
hbase.master.logcleaner.ttl（默認10分鐘）這個參數設置Hlog在.oldlogs目錄保留的最長時間。