HBase读操作

对于HBase而言读取操作有两种,即get和scan。按实现上来看的话,get请求也是一种scan请求,相当于scan长度为1的请求。对于HBase而言,使用Java API,简单的读流程如下所示

  • get请求
Configuration conf = HBaseConfiguration.create();
HTable table = new HTable(conf, "tablename");
Get get = newGet(Bytes.toBytes("row1"));
get.addColumn(Bytes.toBytes("colfam1"), Bytes.toBytes("qual1"));
Result result = table.get(get);byte[] val =result.getValue(Bytes.toBytes("colfam1"),Bytes.toBytes("qual1"));
  • scan请求
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...

Table table = ...      // instantiate a Table instance

Scan scan = new Scan();
scan.addColumn(CF, ATTR);
scan.setRowPrefixFilter(Bytes.toBytes("row"));
ResultScanner rs = table.getScanner(scan);
try {
  for (Result r = rs.next(); r != null; r = rs.next()) {
    // process result...
  }
} finally {
  rs.close();  // always close the ResultScanner!
}

scan框架的设计

如果你使用过Redis的scan操作,就知道在Redis中,scan并不会一次性加载所有数据到客户端。尽管Redis的Scan和HBase Scan之间的设计差异很大。但是总体来看,HBase的scan采用的限制一次性RPC传输数据量,分多次请求服务端获取数据。这样做的目的有两点:

  • 当数据量过大的查询容易引起客户端内存溢出。
  • 压缩RegionServer端的机器性能,导致其他业务收到影响。

对于scan来说,具体的操作即rs.next(),如果查询到客户端的缓存中有值则直接返回,若未查询到则向Server进行RPC请求,默认情况下,一次RPC请的数据量大小为2G。

区间切分

在客户端请求服务端获取数据的过程中,首先从ZooKeeper中获取元数据hbase:meta表所在的RegionServer。如果一个scan请求需要在多个region上请求数据的话,客户端在请求前会先对查询区间进行切分。如

scan操作需要查询区间为["b", "f"),这时候有三个region,startkey和endkey的区间为["a", "c"),["c", "e"),["e","g")。这时候客户端会进行切分,把scan操作的查询区间切分为"b", "c"),["c","e"),["e", "f ")

读流程

Scanner的核心体系包括三层Scanner:RegionScanner,StoreScanner,MemStoreScanner和StoreFileScanner。

关系图如下


Scanner关系图

通过这三层scanner定位到了具体的HFile,接下来要做的就是过滤操作,具体的有Time Range过滤、Rowkey Range过滤以及布隆过滤器。

Scan的过滤流程因为StoreFile中的数据K-V数据都是有序排列的,所有范围性的过滤可以直接查找到范围。
在查找到具体的StoreFile文件之后,就是通过查询HFile的索引,查找到对应的Data Block。
HFile的结构如下图


HFile

可以看到个HFile文件中, 都对应着多个Data Block。要查找到对应的Data Block。需要先查询Root IndexBlock去获得地址信息。Root IndexBlock因为常驻在内存中,所以这个查询过程非常快。具体的查询思路是二分法,如查询的rowkey为fc,第一次查询范围是[aa-ee),第二次为[dd-ff),第三次为[fa-ff),正好这个一个Data Block的范围。
之后会把Data Block加载到内存中,然后循环遍历查找到对应的数据。
可以看出,因为多层Index都需要加载到内存中,所以一次查询的IO正常为3次。但是实际上HBase为Block提供了缓存机制,可以将频繁使用的Block缓存在内存中,以便进一步加快实际读取过程。

最后这些读到的数据会被放入一个优先队列中,根据key进行排序。然后依次返回给客户端。

其他优化

当然,HBase也提供了像BlockCache以及MemStore的读写缓存。可以大大优化读效率,具体细节,此篇不做展开。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,552评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,666评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,519评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,180评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,205评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,344评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,781评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,449评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,635评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,467评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,515评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,217评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,775评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,851评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,084评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,637评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,204评论 2 341

推荐阅读更多精彩内容

  • 团队内部要分享HBase的知识,之前研究了一段时间,知识比较零散,这一次就系统化的整理一番,之后在想到Hbase的...
    Real_man阅读 168,568评论 8 148
  • 一、简介 Hbase:全名Hadoop DataBase,是一种开源的,可伸缩的,严格一致性(并非最终一致性)的分...
    菜鸟小玄阅读 2,360评论 0 12
  • HBase存储架构图 HBase Master 为Region server分配region 负责Region s...
    kimibob阅读 5,557评论 0 52
  • 一、存储模式 1.1 行式存储&列式存储 定义 以行为存储基准的存储方式称为行式存储,一行的数据聚合存储在一块; ...
    要记录的Ivan阅读 3,305评论 0 1
  • 一、前言 本文首先对 HBase 做简单的介绍,包括其整体架构、依赖组件、核心服务类的相关解析。再重点介绍 HBa...
    有赞技术团队阅读 1,104评论 0 1