关于hbase:HBaseCompaction

HBase Compaction

1.Compaction 作用

• 合并小文件，缩小文件数，稳固随机读提早
• 进步数据的本地化率
• 革除有效数据，缩小数据存储量

HFile 越多，查问须要的 IO 操作也会变多，读提早越来越大。Compaction 稳固 HFile 文件个数，缩小 IO 操作。

本地化率越高，hdfs 上拜访数据时提早就越小，本地化率低，拜访数据就须要通过网络拜访，提早必然增大，Compaction 后会将大文件在以后 DataNode 上保留一个正本，进步本地化率。Major Compaction 能够将以后 region 的本地化率进步到 100%

• Compaction 的副作用

  • 带宽压力和短时间的 IO 压力，小文件读取须要 IO，传输须要带宽。
  • 读取后写新的文件须要有 3 个正本

2.Compaction 组成

从一个 Region 上的一个 Store 中选取局部 HFile 文件进行合并，从这些待合并的文件中一次读取出 KeyValue, 再由小到大排序后写入一个新的文件，由这个新的文件对外提供服务

• Minor Compaction

  • 选取局部小的、相邻的 HFile 合并成一个 HFile, 造成一个更大的 HFile（TTL 过期数据也会被清理）

• Major Compaction

  • 将一个 Store 中所有 HFile 合并成一个 HFile, 会清理被删除的数据、TTL 过期数据、版本号超过设定版本号的数据
  • Major Compaction 持续时间较长，耗费大量系统资源，影响大
  • 生产举荐敞开主动触发的 Major Compaction，在业务低峰期手动触发

3.Compaction 根本流程

• 先实现 flush 操作（后续补充）、周期性的 Compaction 查看操作都会触发 Compaction
• 抉择适合的 HFile 合并
• 筛选适合的线程池
• 执行 HFile 文件合并

Compaction 由独立的线程解决，该线程会从对应的 store 中抉择适合的 HFile 进行合并，选文件有许多条件。现实状况是选取那些 IO 负载中、文件小的文件集

4.Compaction 触发机会

• MemStore Flush

  MemStore Flush 产生 HFile 文件，数据一直写入，就会有更多的 HFile 文件产生，每次 flush 完后都会对以后 store 中的 hfile 数量进行判断

  一旦总文件数大于 hbase.hstore.compactionThreshold，就会触发 compaction

  compaction 都是以 store 为单位，flush 触发条件下，整个 region 的 store 都会执行 compact 操作

  一个 region 可能在短时间内执行屡次 compaction（这是十分不好的景象）

• 后盾线程定期检查

  • 默认 7 天左右一次 major compaction, 敞开需将参数 hbase.hregion.majorcompection=0

• 手动触发

  • 防止 major compaction 影响业务的读写性能或是硬盘容量不够。低峰期手动执行 major compaction（咱们的业务就是采纳的这种形式）

5.HFile 汇合选取策略

1. 排除正在 Compaction 的文件以及比这些文件更新的文件
2. 排除某些过大的文件，大文件会产生大量 IO
3. 通过 1 2 留下来的文件就是 Compaction 的候选文件

4. 判断是否满足 major compaction 的条件，只有满足一下任意一条就会执行 major compaction，对全副文件进行合并

   1. 用户强制执行 major compaction
   2. 长时间没有进行 major compaction 且候选文件数小于 10

      长时间 = 上次执行 major compaction 的工夫早于以后工夫 -hbase.hregion.majorcompection

   3. Store 中含有 reference 文件，reference 是 region 决裂产生的临时文件，在 compaction 过程中必须清理

若满以上任意一条件，文件抉择就完结了，间接合并。若不满足，则为 minor compaction。

1. minor compaction 的文件选取策略：

   1. RatioBasedCompactionPolicy（从老到新选取文件）
   2. ExploringCompactionPolicy（选取到适合的文件后就进行选取，缩小 IO 操作）

6. 筛选适合的线程池

CompactSplitThread 类负责接管 compaction 申请和 split 申请。

 不同线程池如下：largeCompations
        解决大 compaction
    smallCompations
        解决下小 compaction
    splits
        解决所有 split 申请

将申请独立解决，进步零碎解决性能。依据阈值来决定是否为大或小 compaction

7.HFile 文件合并执行

• 选出了待合并的 HFile 和适合的解决线程，执行合并流程

1. 读取待合并 HFile 的 keyValue，进行归并排序，写到./tmp 目录下的临时文件中
2. 将临时文件挪动到对应的 store 目录中
3. 将 Compaction 的输出文件门路和输入文件封装为 kv 写入 hlog 日志中，打上 compaction 标记，强制执行 sync
4. 将对应 Store 数据目录下的 Compaction 输出文件全副删除

至此实现了一次 Compaction 操作