hbase源码系列(十四)Compact和Split

先上一张图讲一下Compaction和Split的关系,这样会比较直观一些。

Compaction把多个MemStore flush出来的StoreFile合并成一个文件,而Split则是把过大的文件Split成两个。
之前在Delete的时候,我们知道它其实并没有真正删除数据的,那总不能一直不删吧,下面我们就介绍一下它删除数据的过程,它就是Compaction。
在讲源码之前,先说一下它的分类和作用。
Compaction主要起到如下几个作用:
1)合并文件
2)清除删除、过期、多余版本的数据
3)提高读写数据的效率
Minor & Major Compaction的区别
1)Minor操作只用来做部分文件的合并操作以及包括minVersion=0并且设置ttl的过期版本清理,不做任何删除数据、多版本数据的清理工作。
2)Major操作是对Region下的HStore下的所有StoreFile执行合并操作,最终的结果是整理合并出一个文件。
先说一下怎么使用吧,下面分别是它们是shell命令,可以在hbase的shell里面执行。
//major compaction
major compact '表名或region名'

//minor compaction
compact '表名或region名'

下面我们开始看入口吧,入口在HBaseAdmin,找到compact方法,都知道我们compact可以对表操作或者对region进行操作。
1、先把表或者region相关的region信息和server信息全部获取出来
2、循环遍历这些region信息,依次请求compact操作
AdminService.BlockingInterface admin = this.connection.getAdmin(sn);
CompactRegionRequest request = RequestConverter.buildCompactRegionRequest(hri.getRegionName(), major, family);
try {
admin.compactRegion(null, request);
} catch (ServiceException se) {
throw ProtobufUtil.getRemoteException(se);
}


到这里,客户端的工作就结束了,我们直接到HRegionServer找compactRegion这个方法吧。
    //major compaction多走这一步骤
if (major) {
if (family != null) {
store.triggerMajorCompaction();
} else {
region.triggerMajorCompaction();
}
}
    //请求compaction走这里
if(family != null) {
compactSplitThread.requestCompaction(region, store, log, Store.PRIORITY_USER, null);
} else {
compactSplitThread.requestCompaction(region, log, Store.PRIORITY_USER, null);
}


我们先看major compaction吧,直接去看triggerMajorCompaction和requestCompaction方法。
Compaction
进入方法里面就发现了它把forceMajor置为true就完了,看来这个参数是major和minor的开关,接着看requestCompaction。
CompactionContext compaction = null;
if (selectNow) {
compaction = selectCompaction(r, s, priority, request);
if (compaction == null) return null; // message logged inside
}
// 要根据文件的size来判断用给个大的线程池还是小的线程池
long size = selectNow ? compaction.getRequest().getSize() : 0;
ThreadPoolExecutor pool = (!selectNow && s.throttleCompaction(size)) ? largeCompactions : smallCompactions;
pool.execute(new CompactionRunner(s, r, compaction, pool));


上面的步骤是执行selectCompaction创建一个CompactionContext,然后提交CompactionRunner。
我们接着看CompactionContext的创建过程吧,这里还需要分是用户创建的Compaction和系统创建的Compaction。1、创建CompactionContext2、判断是否是非高峰时间,下面是这两个参数的值
int startHour = conf.getInt("hbase.offpeak.start.hour", -1);
int endHour = conf.getInt("hbase.offpeak.end.hour", -1);
3、选择需要进行compaction的文件,添加到CompactionRequest和filesCompacting列表当中
compaction.select(this.filesCompacting, isUserCompaction, mayUseOffPeak, forceMajor && filesCompacting.isEmpty());

我们看看这个select的具体实现吧。
public boolean select(List<StoreFile> filesCompacting, boolean isUserCompaction,
boolean mayUseOffPeak, boolean forceMajor) throws IOException {
request = compactionPolicy.selectCompaction(storeFileManager.getStorefiles(),
filesCompacting, isUserCompaction, mayUseOffPeak, forceMajor);
return request != null;
}

这里的select方法,从名字上看是压缩策略的意思,它是由这个参数控制的hbase.hstore.defaultengine.compactionpolicy.class,默认是ExploringCompactionPolicy这个类。
接着看ExploringCompactionPolicy的selectCompaction方法,发现这个方法是继承来的,找它的父类RatioBasedCompactionPolicy。

public CompactionRequest selectCompaction(Collection<StoreFile> candidateFiles,
final List<StoreFile> filesCompacting, final boolean isUserCompaction,
final boolean mayUseOffPeak, final boolean forceMajor) throws IOException {
ArrayList<StoreFile> candidateSelection = new ArrayList<StoreFile>(candidateFiles);
int futureFiles = filesCompacting.isEmpty() ? 0 : 1;
boolean mayBeStuck = (candidateFiles.size() - filesCompacting.size() + futureFiles)
>= storeConfigInfo.getBlockingFileCount();
//从candidateSelection排除掉filesCompacting中的文件
candidateSelection = getCurrentEligibleFiles(candidateSelection, filesCompacting);long cfTtl = this.storeConfigInfo.getStoreFileTtl();
if (!forceMajor) {
// 如果不是强制major的话,包含了过期的文件,先删除过期的文件
if (comConf.shouldDeleteExpired() && (cfTtl != Long.MAX_VALUE)) {
ArrayList<StoreFile> expiredSelection = selectExpiredStoreFiles(
candidateSelection, EnvironmentEdgeManager.currentTimeMillis() - cfTtl);
if (expiredSelection != null) {
return new CompactionRequest(expiredSelection);
}
}
//居然还要跳过大文件,看来不是major的还是不行的,净挑小的弄
candidateSelection = skipLargeFiles(candidateSelection);
}
// 是不是major的compaction还需要判断,做这个操作还是比较谨慎的
boolean majorCompaction = (
(forceMajor && isUserCompaction)
|| ((forceMajor || isMajorCompaction(candidateSelection))
&& (candidateSelection.size() < comConf.getMaxFilesToCompact()))
|| StoreUtils.hasReferences(candidateSelection)
);

if (!majorCompaction) {
   //过滤掉bulk load进来的文件
candidateSelection = filterBulk(candidateSelection);
//过滤掉一些不满足大小的文件
candidateSelection = applyCompactionPolicy(candidateSelection, mayUseOffPeak, mayBeStuck);
//检查文件数是否满足最小的要求,文件不够,也不做compaction
candidateSelection = checkMinFilesCriteria(candidateSelection);
}
//非major的超过最大可以compact的文件数量也要剔除掉,major的只是警告一下
candidateSelection = removeExcessFiles(candidateSelection, isUserCompaction, majorCompaction);
CompactionRequest result = new CompactionRequest(candidateSelection);
result.setOffPeak(!candidateSelection.isEmpty() && !majorCompaction && mayUseOffPeak);
return result;
}
View Code
从上面可以看出来,major compaction的选择文件几乎没什么限制,只要排除掉正在compacting的文件就行了,反而是minor compact有诸多的排除选项,因为默认的compaction是定时执行的,所以它这方面的考虑吧,排除太大的文件,选择那些过期的文件,排除掉bulkload的文件等等内容。Minor Compaction的文件选择策略
我们再简单看看applyCompactionPolicy这个方法吧,它是minor的时候用的,它的过程就像下图一样。

这个是双层循环:
从0开始,循环N遍(N=文件数),就相当于窗口向右滑动,指针为start
----->从currentEnd=start + MinFiles(默认是3)-1,每次增加一个文件作为考虑,类似扩张的动作, 窗口扩大, 指针为
-------------->从candidateSelection文件里面取出(start, currentEnd + 1)开始
-------------->小于最小compact数量文件,默认是3,continue
-------------->大于最大compact数量文件,默认是10,continue
-------------->获取这部分文件的大小
-------------->如果这部分文件数量比上次选择方案的文件还小,替换为最小文件方案
-------------->大于MemStore flush的大小128M并且符合有一个文件不满这个公式(FileSize(i) <= ( 文件总大小- FileSize(i) ) * Ratio),continue
       (注意上面的Ratio是干嘛的,这个和前面提到的非高峰时间的数值有关系,非高峰时段这个数值是5,高峰时间段这个值是1.2, 这说明高峰时段不允许compact过大的文件)
-------------->开始判断是不是最优的选择(下面讲的mayBeStuck是从selectCompaction传入的,可选择的文件超过7个的情况,上面黄色那部分代码)
          1)如果mayBeStuck并且不是初次,如果 文件平均大小 > 上次选择的文件的平均大小*1.05, 替换上次的选择文件方案成为最优解
          2)初次或者不是mayBeStuck的情况,文件更多的或者文件相同、总文件大小更小的会成为最新的选择文件方案
如果经过比较之后的最优文件选择方案不为空,就把它返回,否则就把最小文件方案返回。
下面是之前的Ratio的参数值,需要配合之前提到的参数配合使用的。
hbase.hstore.compaction.ratio              高峰时段,默认值是1.2
hbase.hstore.compaction.ratio.offpeak 非高峰时段,默认值是5

 
到这里先来个小结吧,从上面可以看得出来,这个Minor Compaction的文件选择策略就是选小的来,选最多的小文件来合并。选择文件结束,回到compact的主流程4、把CompactionRequest放入CompactionRunner,走线程池提交
之前的代码我再贴一下,省得大家有点凌乱。
ThreadPoolExecutor pool = (!selectNow && s.throttleCompaction(size)) ? largeCompactions : smallCompactions;
pool.execute(new CompactionRunner(s, r, compaction, pool));

我们去看CompactionRunner的run方法吧,它也在当前的类里面。
      if (this.compaction == null) {this.compaction = selectCompaction(this.region, this.store, queuedPriority, null); 
     // 出口,实在选不出东西来了,它会走这里跑掉
     if (this.compaction == null) return;
     // ....还有别的限制,和父亲运行的线程池也要一致,尼玛,什么逻辑
    }

    boolean completed = region.compact(compaction, store);if (completed) {
// blocked的regions再来一次,这次又要一次compaction意欲何为啊
// 其实它的出口在上面的那段代码,它执行之后,没有这里这么恶心
if (store.getCompactPriority() <= 0) {
requestSystemCompaction(region, store, "Recursive enqueue");
} else {
// compaction之后的region可能很大,超过split的数量就要split了
requestSplit(region);
}


先是对region进行compact,如果完成了,判断一下优先级,优先级小于等于0,请求系统级别的compaction,否则请求split。
我们还是先看HRegion的compact方法,compact开始前,它要先上读锁,不让读了,然后调用HStore中的compact方法。
     // 执行compact,生成新文件
List<Path> newFiles = compaction.compact();
//把compact生成的文件移动到正确的位置
sfs = moveCompatedFilesIntoPlace(cr, newFiles);
//记录WALEdit日志
writeCompactionWalRecord(filesToCompact, sfs);
//更新HStore相关的数据结构
replaceStoreFiles(filesToCompact, sfs);/
/归档旧的文件,关闭reader,重新计算file的大小
completeCompaction(filesToCompact);


comact生成新文件的方法很简单,给源文件创建一个StoreScanner,之前说过StoreScanner能从多个Scanner当中每次都取出最小的kv,然后用StoreFile.Append的方法不停地追加写入即可,这些过程在前面的章节都介绍过了,这里不再重复。
简单的说,就是把这些文件合并到一个文件去了,尼玛,怪不得io那么大。
剩下的就是清理工作了,这里面有意思的就是它会记录一笔日志到writeCompactionWalRecord当中,在之间日志恢复那一章的时候,贴出来的代码里面有,只是没有详细的讲。因为走到这里它已经完成了compaction的过程,只是没有把旧的文件移入归档文件当中,它挂掉重启的时候进行恢复干的事情,就是替换文件。5、store.getCompactPriority() 下一步是天堂抑或是地狱?
compact完了,要判断一下这个,真是天才啊
public int getStoreCompactionPriority() {
int blockingFileCount = conf.getInt(
HStore.BLOCKING_STOREFILES_KEY, HStore.DEFAULT_BLOCKING_STOREFILE_COUNT);
int priority = blockingFileCount - storefiles.size();
return (priority == HStore.PRIORITY_USER) ? priority + 1 : priority;
}

比较方法是这个,blockingFileCount的默认值是7,如果compact之后storefiles的文件数量大于7的话,就很有可能再触发一下,那么major compaction触发的可能性低,minor触发的可能性非常大。
不过没关系,实在选不出文件来,它会退出的。咱们可以将它这个参数hbase.hstore.blockingStoreFiles设置得大一些,弄出来一个比较大的数字。Split
好,我们接着看requestSplit。
if (shouldSplitRegion() && r.getCompactPriority() >= Store.PRIORITY_USER) {
byte[] midKey = r.checkSplit();
if (midKey != null) {
requestSplit(r, midKey);
return true;
}
}


先检查一下是否可以进行split,如果可以,把中间的key返回来。
那条件是啥?在这里,if的条件是成立的,条件判断在IncreasingToUpperBoundRegionSplitPolicy的shouldSplit方法当中。
遍历region里面所有的store
1、Store当中不能有Reference文件。
2、store.size > Math.min(getDesiredMaxFileSize(), this.flushSize * (tableRegionsCount * (long)tableRegionsCount)) 就返回ture,可以split。
getDesiredMaxFileSize()默认是10G,由这个参数来确定hbase.hregion.max.filesize, 当没超过10G的时候它就会根据128MB * (该表在这个RS上的region数量)平方。
midKey怎么找呢?找出最大的HStore,然后通过它来找这个分裂点,最大的文件的中间点。
return StoreUtils.getLargestFile(this.storefiles).getFileSplitPoint(this.kvComparator);

但是如果是另外一种情况,我们通过客户端来分裂Region,我们强制指定的分裂点,这种情况是按照我们设置的分裂点来进行分裂。
分裂点有了,我们接着看,我们发现它又提交了一个SplitRequest线程,看run方法。
1、先获得一个tableLock,给这个表上锁
2、执行SplitTransaction的prepare方法,然后execute
3、结束了释放tableLock
      // 先做准备工作,然后再execute执行主流程,过程当中出错了,就rollback
if (!st.prepare()) return;
try {
st.execute(this.server, this.server);
} catch (Exception e) {
try {
if (st.rollback(this.server, this.server)) {
} catch (RuntimeException ee) {this.server.abort(msg);
}
return;
}


prepare方法当中,主要做了这么件事,new了两个新的region出来
this.hri_a = new HRegionInfo(hri.getTable(), startKey, this.splitrow, false, rid);
this.hri_b = new HRegionInfo(hri.getTable(), this.splitrow, endKey, false, rid);

我们接着看execute方法,这个是重头戏。
PairOfSameType<HRegion> regions = createDaughters(server, services);
openDaughters(server, services, regions.getFirst(), regions.getSecond());
transitionZKNode(server, services, regions.getFirst(), regions.getSecond());

总共分三步:
1、创建子region
2、上线子region
3、更改zk当中的状态
我们先看createDaughters
    //在region-in-transition节点下给父region创建一个splitting的节点
createNodeSplitting(server.getZooKeeper(), parent.getRegionInfo(), server.getServerName(), hri_a, hri_b);
this.journal.add(JournalEntry.SET_SPLITTING_IN_ZK);//在parent的region目录下创建.splits目录
this.parent.getRegionFileSystem().createSplitsDir();
this.journal.add(JournalEntry.CREATE_SPLIT_DIR);

Map<byte[], List<StoreFile>> hstoreFilesToSplit = null;
//关闭parent,然后返回相应的列族和storefile的map
hstoreFilesToSplit = this.parent.close(false);
//从在线列表里下线parent
services.removeFromOnlineRegions(this.parent, null);
this.journal.add(JournalEntry.OFFLINED_PARENT);
// 把parent的storefile均分给两个daughter,所谓均分,只是创建引用文件而已
splitStoreFiles(hstoreFilesToSplit);

// 把临时的Region A目录重名为正式的region A 的目录
this.journal.add(JournalEntry.STARTED_REGION_A_CREATION);
HRegion a = this.parent.createDaughterRegionFromSplits(this.hri_a);

// 把临时的Region B目录重名为正式的region B的目录
this.journal.add(JournalEntry.STARTED_REGION_B_CREATION);
HRegion b = this.parent.createDaughterRegionFromSplits(this.hri_b);
this.journal.add(JournalEntry.PONR);

// 修改meta表中的信息,设置parent的状态为下线、并且split过,在增加两列左右孩子,左右孩子的信息也通过put插入到meta中
MetaEditor.splitRegion(server.getCatalogTracker(), parent.getRegionInfo(),
a.getRegionInfo(), b.getRegionInfo(), server.getServerName());
return new PairOfSameType<HRegion>(a, b);


在splitStoreFiles这块的,它给每个文件都开一个线程去进行split。
fs.splitStoreFile(this.hri_a, familyName, sf, this.splitrow, false);
fs.splitStoreFile(this.hri_b, familyName, sf, this.splitrow, true);

这里其实是给每个文件都创建了Reference文件,无论它的文件当中包不包括splitRow。
    //parentRegion/.splits/region/familyName目录
Path splitDir = new Path(getSplitsDir(hri), familyName);
// 其实它并没有真正的split,而是通过创建Reference
Reference r = top ? Reference.createTopReference(splitRow): Reference.createBottomReference(splitRow);
String parentRegionName = regionInfo.getEncodedName();
// 原来通过这么关联啊,storefile名字 + 父parent的name
Path p = new Path(splitDir, f.getPath().getName() + "." + parentRegionName);
return r.write(fs, p);


把引用文件生成在每个子region对应的目录,以便下一步直接重命令目录即可。
重命名目录之后,就是修改Meta表了,splitRegion的方法是通过Put来进行操作的,它修改parent的regioninfo这一列更新为最新的信息,另外又增加了splitA和splitB两列,hri_a和hri_b则通过另外两个Put插入到Meta表当中。
这个过程当中如果出现任何问题,就需要根据journal记录的过程信息进行回滚操作。
怎么open这两个子region就不讲了,之前讲《HMaster启动过程》的时候讲过了。
到这里split的过程就基本结束了,鉴于Compaction和Split的对io方面的巨大影响,所以在任何资料里面都是推荐屏蔽自动执行,写脚本在晚上自动进行这些操作。
 
 
 

1 个评论

这个能解决删除数据region个数不减少的问题么?

要回复文章请先登录注册