我见过-- 写的最好的 -- 关于HBase Memstore 的文章

2020-07-25 07:02·斜杠柳三姐

MemStore是HBase非常重要的组成部分，深入理解MemStore的运行机制、工作原理、相关配置，对HBase集群管理以及性能调优有非常重要的帮助。

HBase Memstore

首先通过简单介绍HBase的读写过程来理解一下MemStore到底是什么，在何处发挥作用，如何使用到以及为什么要用MemStore

Memstore Usage in HBase Read/Write Paths：

Hbase 写数据：

  • 当RegionServer(RS)收到写请求的时候(write request)，RS会将请求转至相应的Region。
  • 每一个Region都存储着一些列(a set of rows)。根据其列族的不同，将这些列数据存储在相应的列族中(Column Family，简写CF)。
  • 不同的CFs中的数据存储在各自的HStore中，HStore由一个Memstore及一系列HFile组成。
  • Memstore位于RS的主内存中，而HFiles被写入到HDFS中。
  • 当RS处理写请求的时候，数据首先写入到Memstore，然后当到达一定的阀值的时候，Memstore中的数据会被刷到HFile中。

用到Memstore最主要的原因是：

  1. 解决无序：
  • 存储在HDFS上的数据需要按照row key 排序。而HDFS本身被设计为顺序读写(sequential reads/writes)，不允许修改。这样的话，HBase就不能够高效的写数据。
  • 因为要写入到HBase的数据不会被排序，这也就意味着没有为将来的检索优化。
  • 为了解决这个问题，HBase将最近接收到的数据缓存在内存中(in Memstore)，在持久化到HDFS之前完成排序，然后再快速的顺序写入HDFS。
  • 需要注意的一点是实际的HFile中，不仅仅只是简单地排序的列数据的列表，详见Apache HBase I/O – HFile。
  1. 除了解决"无序"问题外，Memstore还有一些其他的好处，
  • 作为一个内存级缓存，缓存最近增加数据。一种显而易见的场合是，新插入数据总是比老数据频繁使用。
  • 在持久化写入之前，在内存中对Rows/Cells可以做某些优化。比如，当数据的version被设为1的时候，对于某些CF的一些数据，Memstore缓存了数个对该Cell的更新，在写入HFile的时候，仅需要保存一个最新的版本就好了，其他的都可以直接抛弃。
  • 有一点需要特别注意：
  • 每一次Memstore的flush，会为每一个CF创建一个新的HFile。
  • 在读方面相对来说就会简单一些：HBase首先检查请求的数据是否在Memstore，不在的话就到HFile中查找，最终返回merged的一个结果给用户。

HBase Memstore关注要点


迫于以下几个原因，HBase用户或者管理员需要关注Memstore并且要熟悉它是如何被使用的：

  • · Memstore有许多配置可以调整以取得好的性能和避免一些问题。 HBase不会根据用户自己的使用模式来调整这些配置，你需要自己来调整。
  • · 频繁的Memstore flush会严重影响HBase集群的读性能，并有可能带来一些额外的负载。
  • · Memstore flush的方式有可能影响你的HBase schema设计

接下来详细讨论一下这些要点：

Configuring Memstore Flushes

对Memstore Flush来说，主要有两组配置项：

  • · 决定Flush触发时机
  • · 决定Flush何时触发并且在Flush时候更新被阻断(block)

第一组是关于触发"普通"flush，这类flush发生时，并不影响并行的写请求。该类型flush的配置项有：

  • · hbase.hregion.memstore.flush.size
  • · base.regionserver.global.memstore.lowerLimit

需要注意的是：

  • 第一个设置是每个Memstore的大小，当你设置该配置项时，你需要考虑一下每台RS承载的region总量。
  • 可能一开始你设置的该值比较小，后来随着region增多，那么就有可能因为第二个设置原因Memstore的flush触发会变早许多。

第二组设置主要是出于安全考虑：

  • 有时候集群的"写负载"非常高，写入量一直超过flush的量，这时，我们就希望memstore不要超过一定的安全设置。
  • 在这种情况下，写操作就要被阻止(blocked)一直到memstore恢复到一个"可管理"(manageable)的大小。

该类型flush配置项有：

  • · hbase.regionserver.global.memstore.upperLimit
  • · hbase.hregion.memstore.block.multiplier

某个节点"写阻塞"对该节点来说影响很大，但是对于整个集群的影响更大。

  • HBase设计为：每个Region仅属于一个RS但是"写负载"是均匀分布于整个集群(所有Region上)。有一个如此"慢"的节点，将会使得整个集群都会变慢(最明显的是反映在速度上)。
  • 提示：严重关切Memstore的大小和Memstore Flush Queue的大小。理想情况下，Memstore的大小不应该达到hbase.regionserver.global.memstore.upperLimit的设置，Memstore Flush Queue 的size不能持续增长。

频繁的Memstore Flushes

  • 要避免"写阻塞"，貌似让Flush操作尽量的早于达到触发"写操作"的阈值为宜。但是，这将导致频繁的Flush操作，而由此带来的后果便是读性能下降以及额外的负载。
  • 每次的Memstore Flush都会为每个CF创建一个HFile。频繁的Flush就会创建大量的HFile。这样HBase在检索的时候，就不得不读取大量的HFile，读性能会受很大影响。
  • 为预防打开过多HFile及避免读性能恶化，HBase有专门的HFile合并处理(HFile Compaction Process)。
  • HBase会周期性的合并数个小HFile为一个大的HFile。明显的，有Memstore Flush产生的HFile越多，集群系统就要做更多的合并操作(额外负载)。
  • 更糟糕的是：Compaction处理是跟集群上的其他请求并行进行的。当HBase不能够跟上Compaction的时候(同样有阈值设置项)，会在RS上出现"写阻塞"。像上面说到的，这是最最不希望的。

提示：严重关切RS上Compaction Queue 的size。要在其引起问题前，阻止其持续增大。

  • 想了解更多HFile 创建和合并，可参看 Visualizing HBase Flushes And Compactions。
  • 理想情况下，在不超过hbase.regionserver.global.memstore.upperLimit的情况下，Memstore应该尽可能多的使用内存(配置给Memstore部分的，而不是整个Heap的)。下图展示了一张"较好"的情况：

  • "Somewhat", because we could configure lower limit to be closer to upper, since we barely ever go over it.
  • 说是"较好"，是因为我们可以将"Lower limit"配置的更接近于"Upper limit"，我们几乎很少有超过它。


Multiple Column Families & Memstore Flush

  • 每次Memstore Flush，会为每个CF都创建一个新的HFile。这样，不同CF中数据量的不均衡将会导致产生过多HFile。
  • 当其中一个CF的Memstore达到阈值flush时，所有其他CF的也会被flush。如上所述，太频繁的flush以及过多的HFile将会影响集群性能。
  • 提示：很多情况下，一个CF是最好的设计。

HLog (WAL) Size & Memstore Flush

  • 第一张HBase Read/Write path图中，你可能已经注意到当数据被写入时会默认先写入Write-ahead Log(WAL)。
  • WAL中包含了所有已经写入Memstore但还未Flush到HFile的更改(edits)。
  • 在Memstore中数据还没有持久化，当RegionSever宕掉的时候，可以使用WAL恢复数据。
  • 当WAL(在HBase中成为HLog)变得很大的时候，在恢复的时候就需要很长的时间。

因此，对WAL的大小也有一些限制，当达到这些限制的时候，就会触发Memstore的flush。

Memstore flush会使WAL 减少，因为数据持久化之后(写入到HFile)，就没有必要在WAL中再保存这些修改。有两个属性可以配置：

  • · hbase.regionserver.hlog.blocksize
  • · hbase.regionserver.maxlogs

你可能已经发现，WAL的最大值由hbase.regionserver.maxlogs * hbase.regionserver.hlog.blocksize (2GB by default)决定。

一旦达到这个值，Memstore flush就会被触发。

所以，当你增加Memstore的大小以及调整其他的Memstore的设置项时，你也需要去调整HLog的配置项。否则，WAL的大小限制可能会首先被触发，因而，你将利用不到其他专门为Memstore而设计的优化。

抛开这些不说，通过WAL限制来触发Memstore的flush并非最佳方式，这样做可能会会一次flush很多Region，尽管"写数据"是很好的分布于整个集群，进而很有可能会引发flush"大风暴"。

提示：最好将hbase.regionserver.hlog.blocksize * hbase.regionserver.maxlogs 设置为稍微大于hbase.regionserver.global.memstore.lowerLimit * HBASE_HEAPSIZE.

Compression & Memstore Flush

  • HBase建议压缩存储在HDFS上的数据(比如HFiles)。
  • 除了节省硬盘空间，同样也会显著地减少硬盘和网络IO。
  • 使用压缩，当Memstore flush并将数据写入HDFS时候，数据会被压缩。
  • 压缩不会减慢多少flush的处理过程，却会大大减少以上所述问题，例如因为Memstore变大(超过 upper limit)而引起的"写阻塞"等等。

提示：压缩库建议使用Snappy。有关Snappy的介绍及安装，可分别参考：《Hadoop压缩-SNAPPY算法》和《Hadoop HBase 配置 安装 Snappy 终极教程》

引用资料：https://www.cnblogs.com/shitouer/archive/2013/02/05/configuring-hbase-memstore-what-you-should-know.html

举报
评论 0
    热门：