HBase 数据读写流程

HBase 数据读写流程

2016-10-18 杜亦舒

读数据

HBase的表是按行拆分为一个个 region 块儿，这些块儿被放置在各个 regionserver 中

假设现在想在用户表中获取 row key 为 row0001 的用户信息

要想取得这条数据，就需要先找到含有此条记录的 region

HBase 是如何定位到具体 regionserver 中的具体 region 的呢？

HBase 中有一个内置的 hbase:meta 表，其中记录了所有表的所有 region 的详细信息

例如 region 的 开始KEY、结束KEY、所在server的地址……

hbase:meta 表就像一个目录，通过他可以快速定位数据的实际位置

hbase:meta 表是存储在 ZooKeeper 中的，所以客户端就需要先访问 ZooKeeper，获取到 hbase:meta，从中查询出目标数据是在哪个 regionserver 中的哪个 region 中，然后到 region 中进行读取

我们可能会感觉这个寻址路径有点长，所以客户端会将查询过的位置信息保存缓存起来，方便以后快速读取

写数据

写操作会被分配到对应的 regionserver 进行处理，先回顾一下 regionserver 的结构

从客户端来看，写操作比较简单，写请求到达 regionserver 后，这些修改会先被写到 MemStore和 HLog 中，成功写入后便会通知客户端写入完成了

MemStore 是内存缓存，保存最近更新的数据
HLog 是日志文件，记录着所有的更新操作

对于系统来说，写操作还没完，系统会定期调用刷新缓存的方法，把MemStore中的内容写入文件，生成一个新的 StoreFile，然后把缓存清空，并在HLog中做一个标记，表明上面的内容已经写入文件

这样，数据就真正落地了，但写操作会引发一些后续问题，例如HLog日志文件越来越大了、StoreFile越来越多了、当前region越来越大了，所以，系统有还有更多的工作需要做

• 系统会定期清理HLog日志文件，把其中已经写入文件的记录删除

• 当 StoreFile 文件数量超过设定值时，会触发合并操作，合并成一个大文件，如果这个大文件超过了设定值，会再被分割开

• 当region的大小达到阈值时，会被切分开，生成一个新的region，HMaster会对其进行管理，分配到合适的 regionserver

• region的变化后，系统还需要对 hbase:meta 表进行维护