三、课堂目标
1. 掌握hbase的数据存储原理
2. 掌握hbase的读流程和写流程
3. 掌握hbase表的region拆分和合并
4. 掌握hbase表的预分区
四、知识要点
1. hbase的数据存储原理
HRegionServer=》多个Region
Region=》多个store，一个列族对应一个store
一个store=》memstore
（举例，插入一条数据，put t1 0001 f1：name tony
数据首先会插入memstore内存区，达到某个阈值，把对应的数据刷到磁盘中，每次生成一个store File文件=》最终转换成HFile（一种数据格式）
）
一个HRegionServer会负责管理很多个region
一个==region==包含很多个==store==
划分规则
- 一个==列族==就划分成一个==store==，如果一个表中只有1个列族，那么每一个region中只有一个store
==一个store==里面只有==一个memstore==
- memstore是一块内存区域，数据会先写入到memstore进行缓冲，然后再把数据刷到磁盘
一个store里面有很多个==StoreFile==, 最后数据是以很多个==HFile==这种数据结构的文件保存在hdfs上
- StoreFile是HFile的抽象对象，如果说到StoreFile就等于HFile。
- ==每次memstore刷写数据到磁盘 就生成对应的一个新的HFile文件出来==
2 hbase读数据流程
hbase读操作
1. 首先从zk找到meta表的region位置，然后读取meta表中的数据，meta表中存储了用户表的region信息
2. 根据要查询的namespace、表名和rowkey信息。找到写入数据对应的region信息
3. 找到这个region对应的regionServer，然后发送请求
4. 查找对应的region
5. 先从memstore查找数据，如果没有，再从BlockCache上读取
HBase上RegionServer的内存分为两个部分
一部分作为Memstore，主要用来写；
另外一部分作为BlockCache，主要用于读数据；
6. 如果BlockCache中也没有找到，再到StoreFile上进行读取
从StoreFile中读取到数据之后，不是直接把结果数据返回给客户端，
而是把数据先写入到BlockCache中，目的是为了加快后续的查询；然后再返回结果给客户端。
3 hbase写数据流程
hbase写操作
1. 首先从zk找到meta表的regiion位置，然后读取meta表中的数据，meta表中存储了用户表的region信息
2. 根据namespace、表名和rowkey信息，找到要写入数据对应的region信息
3. 找到这个region对应的regionServer，然后发送请求
4. 把数据分别写到HLog（write ahead log）和memstore各一份
5. memstore达到阈值后把数据刷到磁盘，生成storeFile文件
6. 删除HLog中的历史数据
补充：
HLog（write ahead log）：
也称为WAL意为Write ahead log，类似mysql中的binlog,用来做灾难恢复时用，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。
4 hbase的flush、compact机制
4.1 Flush机制
1 ）当memstore的大小超过这个值的时候，会flush到磁盘，默认为128M
<property>
<name>hbase.hregion.memstore.flush.size</name>
<value>134217728</value>
</property>2）当memstore中的数据时间超过1小时，会flush到磁盘
<property>
<name>hbase.regionserver.optionalcacheflushinterval</name>
<value>3600000</value>
</property>3）HRegionServer是全局memstore的大小，超过该大小会触发flush到磁盘的操作，默认是堆大小的40%
<property>
<name>hbase.regionserver.global.memstore.size</name>
<value>0.4</value>
</property>4）手动flush
flush tableName4.2 Compact合并机制
hbase为了==防止小文件过多==，以保证查询效率，
hbase需要在必要的时候将这些小的store file合并成相对较大的store file，这个过程就称之为compaction。
在hbase中主要存在两种类型的compaction合并：
**==minor compaction 小合并==**
在将Store中多个HFile合并为一个HFile
仅仅只是做了标记，
并没有物理移除，这种合并的触发频率很高。
minor compaction触发条件由一下几个参数共同决定：
<!--表示至少需要三个满足条件的store file时，minor compaction才会启动-->
<property>
<name>hbase.hstore.compaction.min</name>
<value>3</value>
</property><!--表示一次minor compaction中最多选取10个store file-->
<property>
<name>hbase.hstore.compaction.max</name>
<value>10</value>
</property><!--默认值为128m,表示文件大小小于该值的store file 一定会加入到minor compaction的store file中-->
<property>
<name>hbase.hstore.compaction.min.size</name>
<value>134217728</value>
</property><!--默认值为LONG.MAX_VALUE，表示文件大小大于该值的store file 一定会被minor compaction排除-->
<property>
<name>hbase.hstore.compaction.max.size</name>
<value>9223372036854775807</value>
</property>
**==major compaction 大合并==**
合并Store中所有的HFile为一个HFile
这个过程有删除标记的数据会被真正移除，同时超过单元格maxVersion的版本记录也会被删除。
合并频率比较低，默认7天执行一次，并且性能消耗非常大，建议生产关闭(设置为0)，在应用空闲时间手动触发。
一般可以是手动控制进行合并，防止出现在业务高峰期。
major compaction触发时间条件
<!--默认值为7天进行一次大合并，-->
<property>
<name>hbase.hregion.majorcompaction</name>
<value>604800000</value>
</property>设置为0，表示关闭
手动触发
##使用major_compact命令
major_compact tableName
5 region拆分机制
region中存储的是大量的rowkey数据 ,当region中的数据条数过多的时候,直接影响查询效率.
当region过大的时候.hbase会拆分region , 这也是Hbase的一个优点 .
HBase的region split策略一共有以下几种：
1、ConstantSizeRegionSplitPolicy
0.94版本前默认切分策略
当region大小大于某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。
但是在生产线上这种切分策略却有相当大的弊端：切分策略对于大表和小表没有明显的区分。阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，这对业务来说并不是什么好事。如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。
2、IncreasingToUpperBoundRegionSplitPolicy
0.94版本~2.0版本默认切分策略
切分策略稍微有点复杂，总体看和ConstantSizeRegionSplitPolicy思路相同，一个region大小大于设置阈值就会触发切分。但是这个阈值并不像ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，调整规则和region所属表在当前regionserver上的region个数有关系.
region split的计算公式是：
regioncount^3 * 128M * 2，当region达到该size的时候进行split
例如：
第一次split：1^3 * 256 = 256MB
第二次split：2^3 * 256 = 2048MB
第三次split：3^3 * 256 = 6912MB
第四次split：4^3 * 256 = 16384MB > 10GB，因此取较小的值10GB
后面每次split的size都是10GB了
3、SteppingSplitPolicy
2.0版本默认切分策略
这种切分策略的切分阈值又发生了变化，相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些，依然和待分裂region所属表在当前regionserver上的region个数有关系，如果region个数等于1，
切分阈值为flush size * 2，否则为MaxRegionFileSize。这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不会再产生大量的小region，而是适可而止。
4、KeyPrefixRegionSplitPolicy
根据rowKey的前缀对数据进行分组，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在进行region split的时候会分到相同的region中。
5、DelimitedKeyPrefixRegionSplitPolicy
保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtype_eventid，指定的delimiter为 _ ，则split的的时候会确保userid相同的数据在同一个region中。
6、DisabledRegionSplitPolicy
不启用自动拆分, 需要指定手动拆分
6 hbase表的预分区
当一个table刚被创建的时候，Hbase默认的分配一个region给table。也就是说这个时候，所有的读写请求都会访问到同一个regionServer的同一个region中，这个时候就达不到负载均衡的效果了，集群中的其他regionServer就可能会处于比较空闲的状态。解决这个问题可以用pre-splitting,在创建table的时候就配置好，生成多个region。
6.1 为何要预分区？
- 增加数据读写效率
- 负载均衡，防止数据倾斜
- 方便集群容灾调度region
- 优化Map数量
6.2 如何预分区？
每一个region维护着startRow与endRowKey，如果加入的数据符合某个region维护的rowKey范围，则该数据交给这个region维护。
6.2.1 手动指定预分区
create 'person','info1','info2',SPLITS => ['1000','2000','3000','4000']
也可以把分区规则创建于文件中
cd /opt/bigdata/
vim split.txt文件内容
aaa
bbb
ccc
ddd
执行
create 'student','info',SPLITS_FILE => '/opt/bigdata/split.txt'
6.2.2 HexStringSplit算法
HexStringSplit会将数据从“00000000”到“FFFFFFFF”之间的数据长度按照n等分之后算出每一段的其实rowkey和结束rowkey，以此作为拆分点。
例如：
create 'mytable','base_info','extra_info',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
7 region合并
7.1 region合并说明
Region的合并不是为了性能, 而是出于维护的目的 .
比如删除了大量的数据 ,这个时候每个Region都变得很小 ,存储多个Region就浪费了 ,这个时候可以把Region合并起来,然后可以减少一些Region服务器节点
7.2 如何进行region合并
7.2.1 通过Merge类冷合并Region
需要先关闭hbase集
创建一张hbase表：create 'test','info1',SPLITS => ['1000','2000','3000']
需求：需要把test表中的2个region数据进行合并：
test,,1565940912661.62d28d7d20f18debd2e7dac093bc09d8.
test,1000,1565940912661.5b6f9e8dad3880bcc825826d12e81436.
这里通过org.apache.hadoop.hbase.util.Merge类来实现，不需要进入hbase shell，直接执行（需要先关闭hbase集群）：
hbase org.apache.hadoop.hbase.util.Merge test test,,1565940912661.62d28d7d20f18debd2e7dac093bc09d8. test,1000,1565940912661.5b6f9e8dad3880bcc825826d12e81436.
成功后界面观察
7.2.2 通过online_merge热合并Region
不需要关闭hbase集群，在线进行合并
与冷合并不同的是，online_merge的传参是Region的hash值，而Region的hash值就是Region名称的最后那段在两个.之间的字符串部分。
需求：需要把test表中的2个region数据进行合并：
test,2000,1565940912661.c2212a3956b814a6f0d57a90983a8515.
test,3000,1565940912661.553dd4db667814cf2f050561167ca030.需要进入hbase shell：
merge_region 'c2212a3956b814a6f0d57a90983a8515','553dd4db667814cf2f050561167ca030'
成功后观察界面
有点意思，吼吼吼，我想去酒吧，我想喝酒，不行，我要戒烟、戒酒、戒酒吧、呜呜呜呜呜呜呜呜呜呜==========================================================================
