hbase查询记录总数 hbase查询表中记录条数

转载

香奈儿 2023-06-02 11:49:38

文章标签 hbase 查询固定条数数据 apache hadoop 文章分类 Hbase 数据库

HBase读数据流程

hbase查询记录总数 hbase查询表中记录条数_数据

HBase读数据流程.png

hbase查询记录总数 hbase查询表中记录条数_数据_02

HBase元数据信息.png

HBase读操作

首先从zk中找到meta表的region信息，然后meta表中的数据，meta表中存储了用户的region信息
根据要查询的namespace、表名和rowkey信息，找到对应的真正存储要查询的数据的region信息
找到这个region对应的regionServer，然后发送请求
查找对应的region
先从metastore查找数据，如果没有，再从BlockCache读取。

HBase上的RegionServer的内存分为两个部分

一部分作为Memstore，主要用来写
另一部分作为BlockCache，主要用来读数据

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，而是把数据先写⼊入到BlockCache中，目的是为了加快后续的查询;然后在返回结果给客户端。

HBase写数据流程

hbase查询记录总数 hbase查询表中记录条数_hbase 查询固定条数_03

HBase写数据流程.png

HBase写操作

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
根据要查询的namespace、表名和rowkey信息，找到对应的真正存储要查询的数据的region信息
找到这个region对应的regionServer，然后发送请求
把数据写到HLog(write ahead log。WAL：预写入日志)和memstore各一份(写到Region里列族对应的Store的内存)
Memstore 达到阈值后把数据刷到磁盘，生产storeFile
删除HLog中的历史数据

HBase的flush(刷写)及compact(合并)机制

Flush机制

当memstore的大小超过这个值的时候会flush到磁盘，默认是128M

<property>
<name>hbase.hregion.memstore.flush.sizename>
<value>134217728value>
property>

当memstore中的数据时间超过1小时，会flush到磁盘

<property>
<name>hbase.regionserver.optionalcacheflushintervalname
<value>3600000value>
property>

Hregion的所有的memstore的大小(一个RegionServer会有多个Region，一个Region会有多个store，也就有多个memstore)，所有的memstore的大小超过堆大小的一定比例会触发flush到磁盘的操作，默认是堆大小的40%

<property>
<name>hbase.regionserver.global.memstore.sizename>
<value>0.4value>
property>

手动flush

flush tableName

阻塞机制

以上介绍的是Store中memstore数据刷写磁盘的标准，但是Hbase中是周期性(定时，默认是10S)的检查是否满足以上标准，满⾜则进⾏刷写，但是如果在下次检查到来之前，数据疯狂写入Memstore中，会出现什什么问题呢?

会触发阻塞机制，此时无法写⼊数据到Memstore，数据无法写入Hbase集群。

memstore中数据达到512MB
计算公式:hbase.hregion.memstore.flush.size*hbase.hregion.memstore.block.multiplier
hbase.hregion.memstore.flush.size刷写的阀值，默认是 134217728，即128MB
hbase.hregion.memstore.block.multiplier是一个倍数，默认是4。
RegionServer全部memstore达到规定值
hbase.regionserver.global.memstore.size.lower.limit是0.95
hbase.regionserver.global.memstore.size是0.4，
堆内存总共是 16G，
触发刷写的阈值是:(0.95 * 0.4 * 16) = 6.08GB
触发阻塞的阈值是:(0.4 * 16) = 6.4GB

当发生阻塞的时候，无法写入HBase，那么如何解决？

调大memstore的hbase.hregion.memstore.flush.size内存大小设置
让RegionServer占有JVM堆大小更多一些

Compact合并机制

合并的原因：减少文件的数量，提高查询的时候扫描的性能

在HBase中主要存在两种类型的Compact合并

minor compact ⼩合并
会将Store中多个HFile(StoreFile)合并成一个大的HFile(默认最少3个，最多10个)
这个过程中，删除和更新的数据仅只是做了标记，并没有物理移除，这种合并的触发频率很高。
minor compact⽂件选择标准由以下⼏个参数共同决定:

<property>
    <name>hbase.hstore.compaction.minname>
    <value>3value>
property>

<property>
    <name>hbase.hstore.compaction.maxname>
    <value>10value>
property>

<property>
    <name>hbase.hstore.compaction.min.sizename>
    <value>134217728value>
property>

<property>
    <name>hbase.hstore.compaction.max.sizename>
    <value>9223372036854775807value>
property>

触发条件

memstore flush
在进行memstore flush前后都会进行判断是否触发compact
定期检查线程
周期性检查是否需要进行compaction操作,由参数:hbase.server.thread.wakefrequency决定，默认值是10000 millseconds

major compact 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

<property>
    <name>hbase.hregion.majorcompactionname>
    <value>604800000value>
property>

手动触发

##使⽤major_compact命令
major_compact tableName

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查询记录总数 hbase查询表中记录条数_数据_04

Region拆分机制.png

拆分策略

Hbase拆分策略一共有以下几种：

ConstantSizeRegionSplitPolicy(0.9版本以前默认的切分策略。)
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。
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
SteppingSplitPolicy(2.0版本默认切分策略略)
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(默认128M) * 2，否则为MaxRegionFileSize(10G)。这种切分策略对于⼤集群中的大表、小表会⽐比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，⼩表不不会再产⽣⼤量的⼩region，⽽是适可⽽止。
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。
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。
DisabledRegionSplitPolicy
不启用⾃动拆分, 需要指定⼿动拆分

RegionSplitPolicy的应⽤

Region拆分策略可以全局统一配置，也可以为单独的表指定拆分策略。

通过hbase-site.xml全局统一配置(对hbase所有表生效)

<property>
<name>hbase.regionserver.region.split.policyname>
<value>org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicyvalue>
property>

通过Java API为单独的表指定Region拆分策略

HTableDescriptor tableDesc = new HTableDescriptor("test1"); tableDesc.setValue(HTableDescriptor.SPLIT_POLICY, IncreasingToUpperBoundRegionSplitPolicy.class.getName()); tableDesc.addFamily(new HColumnDescriptor(Bytes.toBytes("cf1")));
admin.createTable(tableDesc);

通过HBase Shell为单个表指定Region拆分策略

create 'test2', {METADATA => {'SPLIT_POLICY' =>
'org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy'}},{NAME => 'cf1'}

HBase表的预分区

为什么要预分区

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。

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
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

手动指定预分区

create 'person','info1','info2',SPLITS => ['1000','2000','3000']

也可以把分区规则创建于文件中

vim split.txt

文件内容

aaa
 bbb
 ccc
 ddd

执⾏

create 'student','info',SPLITS_FILE => '/root/hbase/split.txt'

Region合并

Region合并说明

Region的合并不是为了性能，而是为了出于维护的目的

如何进行Region的合并

通过Merge类冷合并Region

需要先关闭集群
需求：需要把Student表中的2个Region数据进行合并
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 student \ student,,1595256696737.fc3eff4765709e66a8524d3c3ab42d59. \ student,aaa,1595256696737.1d53d6c1ce0c1bed269b16b6514131d0.

通过online_merge热合并Region

不需要关闭集群

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lagou_s表中的2个region数据进行合并: student,,1587392159085.9ca8689901008946793b8d5fa5898e06. \ student,aaa,1587392159085.601d5741608cedb677634f8f7257e000.
需要进⼊入hbase shell:
merge_region 'c8bc666507d9e45523aebaffa88ffdd6','02a9dfdf6ff42ae9f0524a3d8f4c7777'

成功后在观察页面

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。

上一篇：python 读取bin文件并转成列表 python 读取bin文件

下一篇：查看redis db 查看Redis安装目录

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯