HBase Region Locality

Posted 2023-05-16

参考技术A 因为DataNode和RegionServer通常会部署在相同的机器上，所以会产生Locality这样的概念。

HBase的Locality是通过HDFS的Block复制实现的。在复制Block时，HBase是这样选择副本的位置的：

就是这样，在flush或compact后，HBase的Region实现了Locality。

当一个RegionServer处在failover的情况下（rebalance或重启）时，可能会分配到一些没有本地StoreFiles的Region（因为此时没有可用的本地副本）。然而，有新数据再写入这些Region的时候，或者是对表进行compact的时候，StoreFiles将会被重写，这些Region也会再次变成RegionServer的“local”Region。

有一个相关的指标“data locality”，即Region保存在本地的StoreFile的百分比。这个指标影响了major compact的执行。

Hbase的region合并与拆分详解

1、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_eventtypeeventid，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
    

    2、region合并机制

1.1 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，进而可以减少一些Region服务器节点

1.2 如何进行region合并

1.2.1 通过Merge类冷合并Region

• 执行合并前，==需要先关闭hbase集群==

• 创建一张hbase表：

create ‘test‘,‘info1‘,SPLITS => [‘1000‘,‘2000‘,‘3000‘]

• 查看表region
  

• 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

1.2.2 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
  merge_region ‘c2212a3956b814a6f0d57a90983a8515‘,‘553dd4db667814cf2f050561167ca030‘

• 成功后观察界面