HBase官方文档 之 Region的相关知识

2018-07-31 17:25:23 浏览数 (1)

HBase是以Region为最小的存储和负载单元（这里可不是HDFS的存储单元），因此Region的负载管理，关系到了数据读写的性能。先抛开Region如何切分不说，看看Region是如何分配到各个RegionServer的吧。

更多内容参考——我的大数据学习之路

Region在HBase中的角色

代码语言：javascript复制
Table                    (HBase表)
    Region               (Region)
        Store            (每个Region的每个列族独立存储)
            MemStore     (MemStore每个Store有一个，用于在内存中保存数据)
            StoreFile    (StoreFiles对应于Store，是具体存储在磁盘的文件)
                Block    (Blocks是HDFS上的存储单元)

Region的管理

一般来说对于每个Region Server，官方推荐最好是控制Region的数量在20-200个、大小在5-20Gb左右。

为什么要控制region的数量呢？

  1. 默认MemStore需要2MB的空间用来存储数据，如果一台机器上有1000个Region，每个有两个列族，那就需要3.9GB的数据。
  2. 如果同时以某个相同的频率更新所有的Region，当同时进行数据持久化的时候也会有问题
  3. Master对于维护大量的Region有很大的性能问题，因为在平衡Region的时候，在ZK中的操作都是同步的。
  4. Region Server需要维护Region的索引信息

那么Region Server是如何管理Region的呢？

启动
  1. Master创建AssignmentManager
  2. AssignmentManager查看当前的Region分配信息
  3. 满足条件后，通过LoadBalancerFactory创建LoadBalancer，1.0后的版本默认是StochasticLoadBalancer
  4. 判断是否需要进行负载平衡，并更新相关信息
容错
  1. 如果平衡负载的时候报错，RegionServer会直接关闭
  2. Master检测到resgion Server异常
  3. 重启Region server
  4. 请求进行重试；超时会请求其他的节点

Region的状态机

Hbase中每个Region自己维护其在hbase:meta表中的信息。

状态机中包括下面几种状态：

  • offline：region离线没有开启
  • opening：region正在被打开
  • open：region正在打开，并且region server通知了master
  • failed_open：regionserver打开失败
  • closing：region正在被关闭
  • closed：regionserver正在关闭，并且已经通知了master
  • failed_close：regionserver关闭失败了
  • splitting：region server通知master，region正在被切分
  • split：region server通知master，region已经被切分完了
  • spliting_new：region是切分过程中新建的文件
  • merging：regionserver通知master region正在合并
  • merged：regionserver通知master region合并完了
  • merging_new：region是合并新建出来的

不同的颜色是不同含义：

  • 棕色：离线状态，属于一种短暂的瞬间状态（比如关闭后开启的中间状态）、停止状态或者初始化的时候的状态
  • 绿色：正常的状态，可以支持请求访问
  • 蓝色：短暂的状态
  • 红色：失败
  • 黄色：合并或者切分的状态
  • 灰色：刚开始的状态

各个序号代表不同的操作场景：

  1. Master向region server发起region从offline到openning的状态请求，regionserver如果没有收到，master会尝试重试几次。RegionServer接收到请求后，regin状态变成opening
  2. 如果Master发起的open请求超过次数，那么无论region server是否已经打开region，master都会命令region server关闭文件，状态变为closing
  3. 当region server打开region后，会尝试通知master，让他把region状态修改为open，并通知regsion server。这样region才能变为open状态
  4. 如果region server打开四百，会尝试通知master。master会把region的状态变更为closed，并且尝试去其他的region server打开region
  5. 如果master尝试几次后，都没有打开region，就会把状态变更为failed_open
  6. master通知region server关闭region，如果没有反应，会重试
  7. 如果region server没有在线，会抛出异常。然后region的状态会变成closing
  8. 如果region server在线，但是好几次都没响应，就会更新状态为failed_close
  9. 如果region server收到请求，并且关闭了region，那么会通知master把region状态修改为closed。并且把region分配给其他的server
  10. 在分配之前，master会先把region从closed状态转换为offline
  11. 如果region server正在切分region，会通知mastere。master把region状态由open变为splitting，并且把新增两个region的信息，这两个region都是splitting_new状态
  12. 如果region切分成功，当前的region状态从splitting变成split；新增的两个region状态从splitting_new变成open
  13. 如果切分失败，状态从splitting回到open，两个region也从splitting_new变成offline
  14. 如果region server想要合并两个region，那么也会先通知master。master把两个region从open变成merging，然后增加一个新的region，状态为merging_new
  15. 如果合并成功, 旧的region从merging变为merged，新的region从merging_new变为open
  16. 如果合并失败，region的状态从merging变回open，新建的一个region状态又变成offline
  17. 如果管理员通过hbase shell操作分配region，master会尝试把失败的状态变成close

Region的数据本地性

数据本地性通过来自于hdfs client和hdfs block存储的节点差异性，针对数据备份来说，会按照下面的机制进行：

  1. 第一个备份会优先卸载本地node节点上
  2. 第二个备份会随机选择一个不同的机架
  3. 第三个备份会在第二个备份所在的机架上，再随机选择一个节点
  4. 如果还有其他的备份节点，就在集群中随机选择了。

这样Hbase在刷新或者压缩时，可以体现数据的本地性。如果一个region server出现故障，那么就没有数据本地性可言了，因为它的备份都在其他的节点上。

Region的切分

HBase会配置一个切分的阈值，当到达阈值后，就会执行region的切分。Master不会参与Region的切分，切分由Region Server独立完成。执行切分的时候，会先把region下线，然后在meta表中增加子region的信息，最后通知给master。

默认使用的切分策略是IncreasingToUpperBoundRegionSplitPolicy（1.2.0版本），通过修改配置可以切换切分规则：

代码语言：javascript复制
<property>
 <name>hbase.regionserver.region.split.policy</name>
 <value>org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy</value>
</property>

也可以通过Admin API指定规则:

代码语言：javascript复制
HTableDescriptor tableDesc = new HTableDescriptor("test");
tableDesc.setValue(HTableDescriptor.SPLIT_POLICY, ConstantSizeRegionSplitPolicy.class.getName());
tableDesc.addFamily(new HColumnDescriptor(Bytes.toBytes("cf1")));
admin.createTable(tableDesc);

或者通过HBase shell管理：

代码语言：javascript复制
hbase> create 'test', {METHOD => 'table_att', CONFIG => {'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.ConstantSizeRegionSplitPolicy'}},
{NAME => 'cf1'}

也可以通过HBaseConfiguration来配置：

代码语言：javascript复制
HTableDescriptor myHtd = ...;
myHtd.setValue(HTableDescriptor.SPLIT_POLICY, MyCustomSplitPolicy.class.getName());

Region的手动切分

Region的切分可以在表创建的时候来执行，也可已在后期来做。最好是在设计表结构的时候，就把切分的规则考虑进去。因为：

  • 如果你的数据rowkey是随着时间自增长的，那么所有的新数据都会写在最后一个Region中，这样会导致总是最后一个region是热点，而其他的所有region基本都闲置了。
  • 有的时候是一些意外的情况导致的热点问题，比如table中存储的是每个网页对应的点击日志，如果一个网页很受欢迎，那么它对应的region将会成为热点。
  • 当集群的region很多的时候，想要加快加载数据的速度
  • 在批量导入的时候，可能会造成region热点写

设计切分点

默认HBase都是基于Rowkey的字符进行切分的。如果rowkey是通过数字开头，那么会按照数字的范围进行切分；如果是字母，则会通过它的ASCII码进行切分。用户也可以自定义切分的算法，比如HexStringSplit通过转换成十六进制进行切分。

Region的合并

Master和RegionServer都会参与Region的合并。一般是Client发送合并的请求到Master，然后Master把需要合并的region移动到需要移动比例最高的那个Regsion Server上。比如现在有ABC3个Region Server，A有2个Region，B和C都只有一个，那么会把Region都转移到A Server，再执行合并操作。跟切分的过程一样，也需要先将region设置离线，然后执行合并，再去更新meta表信息。

下面是Hbase shell中合并的例子：

代码语言：javascript复制
$ hbase> merge_region 'ENCODED_REGIONNAME', 'ENCODED_REGIONNAME'
$ hbase> merge_region 'ENCODED_REGIONNAME', 'ENCODED_REGIONNAME', true

合并操作是异步操作，发送请求后，客户端这边不需要登到合并结束。

第三个参数，表示是否强制合并。因为默认合并操作只能针对相邻的region，force参数可以强制跨Region的合并。

hbase 存储 大数据

0 人点赞