转载来自：https://zhuanlan.zhihu.com/p/39648692

HBase - 解析split操作

split操作：意义

HBase数据写入首先会写入缓存，缓存写满会执行一次flush操作，每次flush都会生成一个HFile文件。随着HFile的增多，文件的读取效率势必会降低，HBase采用compact机制不断的对这些文件进行合并，将小文件合并成大文件。然而，对HBase而言，大文件也不是什么好事，原因如下：

1. 数据分布不均匀。同一 region server 上数据文件越来越大，读请求也会越来越多。一旦所有的请求都落在同一个 region server 上，尤其是很多热点数据，必然会导致很严重的性能问题。

2. compaction性能损耗严重。compaction本质上是一个排序合并的操作，合并操作需要占用大量内存，因此文件越大，占用内存越多。另一方面，compaction有可能需要迁移远程数据到本地进行处理（balance之后的compaction就会存在这样的场景），如果需要迁移的数据是大文件的话，带宽资源就会损耗严重。

3. 太大文件读取效率也会受到影响。

另外，HBase的数据写入量也是很惊人的，每天都可能有上亿条的数据写入，因此不做切分的话一个热点region的新增数据量就有可能几十G，用不了多长时间大量读请求就会把单台region server的资源耗光。只有通过切分，一个region变为两个近似相同大小的子region，再通过balance机制均衡到不同 region server上，才能使系统资源使用更加均衡。

split操作：触发条件

通过上面讨论可知，切分操作对于HBase集群的资源均衡至关重要。那集群到底在哪些场景下会执行切分操作呢？这个问题网上有很多答案，但是都很散乱，这里有必要总结一下，见下图：

上图中左侧是用户请求split，无论什么情况都可以执行切分。右侧是系统请求split，一般在两种场景下出现：

1. HBase中写请求会先写入memstore，region server 会为每个 region 分配一个默认大小为 128M（可通过hbase.hregion.memstore.flush.size参数配置） 的 memstore，当memstore写满之后，会启动flush刷新到磁盘。flush完成之后会判断是否需要进行切分操作。

2. 系统在很多场景下执行压缩操作（compaction操作），将多个小文件合并成一个大文件。执行完成之后也会判断是否需要进行切分操作。

这两类操作之后都会针对相应region生成一个requestSplit请求，requestSplit首先会执行checkSplit，检测store size是否达到阈值（具体算法见下面分析），如果超过阈值，就进行切分。

检查阈值的算法主要有两种：ConstantSizeRegionSplitPolicy和
IncreasingToUpperBoundRegionSplitPolicy 。 0.94版本中前者是默认算法，0.98版本后者是默认算法，具体含义分别如下：

ConstantSizeRegionSplitPolicy : 系统会遍历region所有store的文件大小，如果有文件大小 > hbase.hregion.max.filesize，就会触发切分操作。

IncreasingToUpperBoundRegionSplitPolicy：0.98版本 的默认策略则是store大小大于一个变化的阀值就允许split。举个例子，当hbase相关split的属性都没有配置，采用默认，一张表刚建立，默认情况只有1个region，那么逻辑上是当这个region的store大小超过 1 * 1 * 1 * flushsize * 2 = 128M * 2 =256M 时，才会允许split，如果达到这个值切分后，会有两个region，其中一个region中的某个store大小大于 2 * 2 * 2 * flushsize * 2 = 2048M 时，则允许split，如此计算下去，直到这个大小超过了hbase.hregion.max.filesize + hbase.hregion.max.filesize *随机小数 * hbase.hregion.max.filesize.jitter才允许split，基本也就固定了，如果粗劣的计算可以把这个hbase.hregion.max.filesize的大小作为最后的阀值，默认是10G，也就说当这个阀值变化到10G，这个阀值就基本上不再变化。
这种思想使得阀值达到一个基本固定的值之前先做了几次split，而这几次split的数据量很少，对HBase的影响也没有那么大，而且相当于数据导入量不大的时候就做了一次“预分region”，在一定意义上减少了以后的热点region的发生。

split操作：执行流程

1. 将一个region切分为两个近似大小的子region，首先要确定切分点。切分操作是基于region执行的，每个region有多个store（对应多个column famliy）。系统首先会遍历所有store，找到其中最大的一个，再在这个store中找出最大的HFile，定位这个文件中心位置对应的rowkey，作为region的切分点。

2. 找到切分点之后，切分线程会初始化一个SplitTransaction对象，从字面上就可以看出来split流程是一个类似‘事务’的过程，之所以称为类似’事务’，因为它不满足事务的很多特性，比如隔离性。但它却尝试使用写journal的方式实现数据的原子性和一致性。整个过程分为三个阶段：prepare - execute - (rollback) ，操作模版如下：

1）prepare阶段：在内存中初始化两个子region，具体是生成两个HRegionInfo对象，包含tableName、regionName、startkey、endkey等。同时会生成一个transaction journal，这个对象用来记录切分的进展，具体见rollback阶段。

2）execute阶段：切分的核心操作。见下图（来自
Hortonworks）：

1. region server 更改ZK节点 /region-in-transition 中该region的状态为SPLITING。
2. master检测到region状态改变。
3. region在存储目录下新建临时文件夹.split保存split后的daughter region信息。
4. parent region关闭数据写入并触发flush操作，将写入region的数据全部持久化到磁盘。
5. 在.split文件夹下新建两个子文件夹，称之为daughter A、daughter B，并在文件夹中生成引用文件，分别指向父region中对应文件。
6. 将daughter A、daughter B拷贝到HBase根目录下，形成两个新的region。
7. parent region通知修改 hbase.meta 表后下线，不再提供服务。
8. 开启daughter A、daughter B两个子region。
9. 通知修改 hbase.meta 表，正式对外提供服务。

3）rollback阶段：如果execute阶段出现异常，则执行rollback操作。为了实现回滚，整个切分过程被分为很多子阶段，回滚程序会根据当前进展到哪个子阶段清理对应的垃圾数据。代码中使用 JournalEntryType 来表征各个子阶段，具体见下图：

split操作：流程疑点

1. 为什么Reference文件先在.split临时文件夹下生成之后再移到子region数据目录，而不是直接就生成在子region数据目录？

类似于prepare－commit机制，prepare阶段处理一些相对比较重的操作（生成reference文件），如果出错只需要将临时文件清除即可。commit阶段只需要处理轻量级操作，move操作相对比较轻，不易出错。试想，如果直接在子region数据目录生成reference文件，一旦出错，不容易处理垃圾文件数据。

2. split之后是否会马上触发major compact操作？

会，切分操作会在子region打开的时候针对每个store异步执行一次major compaction。这次compaction会将父region的文件重写到对应的两个子region。

3. split之后是否会显式调用系统负载均衡函数？

不会。balance操作是系统定时执行的，系统每隔一段时间就会检查集群负载是否不均衡（集群平均负载 > (1 + slop) * maxLoad 或者 集群平均负载 < (1 - slop) * minLoad）)，如果不均衡，才会执行balance操作。

split操作：影响

1. 因为split操作实际上并没有进行store file的物理拆分，而只是逻辑拆分，所以可以在秒级完成。

2. 在上述操作流程中，父region关闭而子region未开启，此时客户端请求会
抛出NotServingRegionException，客户端对此场景应当采用尝试机制。

3. split操作之后会进行一次major compaction操作，将原region中的数据文件重写到新region的storefile中，合并重写完成会自动用新生成的storefile替换原来的引用文件，这个过程会消耗大量的磁盘IO资源。

split操作：最佳实践

1. 对于预估数据量较大的表，需要在创建表的时候根据rowkey执行 region 的预分配。通过region预分配，数据会被均衡到多台机器上，这样可以一定程度解决热点应用数据量剧增导致的性能问题。

2. 建议关闭线上自动split操作。

这一方面可以避免’拆分合并风暴’，当用户的 region 大小以恒定的速度保持增长时，或者在某些巧合的场景下，大量 region 可能会在同一时间发生split，因为这个过程会重写拆分之后的 region ，这将引起磁盘IO上升。手动拆分可以控制执行时间，在不同的region上交互执行，这样可以尽可能分散IO压力，避免风暴。

另一方面，手动拆分可以控制哪些 region 可用。试想，某天运维人员碰到一个问题想对问题现场进行跟踪，转眼没看，发现 region 已经被拆分了，现场被毁了，那种感觉岂不是很不好。手动拆分就可以避免这种奇葩场景。

实践方法：可以将配置文件中‘hbase.hregion.max.filesize’设置为一个较大的值（比如200G）, 这样系统就不会触发自动split操作。