HBase，region以及HFile概念

Posted 2020-11-01 下士闻道

　　什么是HBase的Region？

　　大家一定对一个词不陌生：域分区，这个域就是Region；Region定义为key的一个取值范围的子集的数据载体；比如常见的域分区有固定大小分区，比如1-10一个region，2-50一个region以此类推；不过更常见的Hash分区；但是region在每台机器的物理实现上对应的是HFile；region的分割的逻辑，其实是指region的物理实现HFile的分割。

　　那么HFile的分割之后数据是一分为二了，那么未来向HFile中插入数据的时候怎么知道向那个HFile中插入呢？其实每个HFile都会有自己的startRowKey以及endRowKey；被一分为二的HFile在META表中会被重新分配startRowKey以及endRowKey信息；这个两个HFile的startRowKey以及EndRowkey的合集的区间是split前的HFile的范围。

　　那么什么是HFile，和region到底是什么关系？我们首先看一下hbase官方的一张图：

　　一个Table在每个region server上面对应一个或者多个region，这里region概念其实就是一个RowSet（在KUDU里面就是称之为rowset）。一个Region在存储时候，会刷到一个或者多个HFile中，因为HFile是和ColumnFamily（CF）对应，如果一个Tabe中有多个CF，那么一个Region就会对应多个HFile；在物理实现上，其实每个CF对应一个MemStore，当（任何一个）MemStore的大小达到一定程度之后，将会把所有的Memstore刷到一个新的HFile中；当HFile达到了一定数量之后，将会触发合并（合并时机有三：memestore在flush的时候，HBase后台定时线程跑，手动跑）这里注意，合并有minor和major两种，生产环境一般会关闭major，因为会影响读写，手动在业务少的时候触发。然后当HFile达到一定大小后，将会进行分割，分割的原则就是对半分，整体来讲Region的key值范围不变，只不过分成两个文件而已；然后Region Server将会通知META，对于region的取值范围对应的HFile进行修改。

　　因为HBase对于多于两个CF支持并不好，其实HBase更加支持一个CF，这样在MemStore刷硬盘的时候不会有连带反应（一个memstore还很少，被迫刷盘），如果这样看来其实列式存储的特性并不明显，因为在每个HFile中还是row的形式存储。但是HBase和传统数据差别还是在于数据分块存储，这样可以进行并行查询，提高查询效率。

　　分片，就是分片，一个region就是一个数据分片；就是elasticsearch里面的分片；一个索引相当于HBase里面的table概念（到了6之后是这样，ES5的时候index还是库概念）。

　　其实到了这里，你会发现，HBase严格来讲并不是列式存储，或者说列族存储更合适一些，因为其本质是key-value的存储机制，当一条数据PUT到HBase的Region Server，其实内部处理是把这一条记录拆开来，每个cell配上相同的rowkey（rowkey早就存在的，其实打到那个region server就是根据rowkey来路由的，rowkey是client端根据规则生成）。所以说HBase是key-value存储更加合适一些，这里和MongoDB比较类似，MongoDB相对而言是比较轻量级的Key-value数据库，因为没有和HDFS绑扎一起。