本文主要是介绍Hbase compact以及split跟踪，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
为了准确了解HBASE内部工作原理，我们需要做一些测试，在大量数据插入的情况下，HBASE内部到底有什么表现？ 比如插入速度， hstore compact，split等相关活动，了解了这些才能更好的维护HBASE系统本身。此次测试会有几轮，所以测试到哪里就写到哪里，我随便找了一张大概120W来的表，我会写一个mapreduce任务，来读取这张表，再写入另外一个测试表: test2, 没有选择更大的表是因为毕竟整个拷贝是需要时间，通常20分钟-30分钟，太大的表，不太利于跟踪。 拷贝过程，HBASE会针对此表有相关的活动日志，依据日志，我们来看看HBASE到底在干什么。
测试开始, 下面是我的mapreduce任务进度，reduce开始的时间，实际就是写入HBASE的时间，那么从11:36开始，应该HBASE在插入
17/06/29 11:31:41 INFO mapreduce.Job: map 71% reduce 0%
17/06/29 11:32:07 INFO mapreduce.Job: map 81% reduce 0%
17/06/29 11:32:08 INFO mapreduce.Job: map 86% reduce 0%
17/06/29 11:32:19 INFO mapreduce.Job: map 86% reduce 29%
17/06/29 11:36:07 INFO mapreduce.Job: map 95% reduce 29%
17/06/29 11:36:11 INFO mapreduce.Job: map 96% reduce 29%
跟踪日志过程
1. 11:36分日志显示flush一个memstore,大小为129M， 这个和设置的参数值是一样的， hbase.hstore.compactionThreshold=3 ，此时发生的是minor合并
2017-06-29 11:36:48,023 INFO org.apache.hadoop.hbase.regionserver.DefaultStoreFlusher: Flushed, sequenceid=160, memsize=128.7 M, hasBloomFilter=true, into tmp file hdfs://nameservice1/hbase/data/default/test2/786ef51a9c89f0e31073ba8aafc7ef94/.tmp/1fa335caa3144c8da5e0ca7697f551cf
2017-06-29 11:36:48,041 INFO org.apache.hadoop.hbase.regionserver.HStore: Added hdfs://nameservice1/hbase/data/default/test2/786ef51a9c89f0e31073ba8aafc7ef94/cf/1fa335caa3144c8da5e0ca7697f551cf, entries=636412, sequenceid=160, filesize=49.9 M
2017-06-29 11:36:48,054 INFO org.apache.hadoop.hbase.regionserver.HRegion: Finished memstore flush of ~128.74 MB/134994216, currentsize=31.53 MB/33059808 for region test2,,1498706810880.786ef51a9c89f0e31073ba8aafc7ef94. in 1343ms, sequenceid=160, compaction requested=true
跟踪HFILE合并， 日志显示，3个文件合并在一起，一共148M，花费的时间为3秒，很显然minor合并的速度还是很快的。
2017-06-29 11:36:48,058 INFO org.apache.hadoop.hbase.regionserver.HStore: Starting compaction of 3 file(s) in cf of test2,,1498706810880.786ef51a9c89f0e31073ba8aafc7ef94. into tmpdir=hdfs://nameservice1/hbase/data/default/test2/786ef51a9c89f0e31073ba8aafc7ef94/.tmp, totalSize=148.3 M
2017-06-29 11:36:51,792 INFO org.apache.hadoop.hbase.regionserver.CompactSplitThread: Completed compaction: Request = regionName=test2,,1498706810880.786ef51a9c89f0e31073ba8aafc7ef94., storeName=cf, fileCount=3, fileSize=148.3 M, priority=7, time=17006286308699473; duration=3sec
4. flush
5. flush
6. 要求合并（此时第一个合并之后只有一个文件，加上flush的2个文件，一共3个，达到了合并条件）
7. 要求split (split之后为2个文件）
8. flush
9. 要求合并（之前split为2个文件，加上flush的一个为3个文件，达到合并条件)
10. 要求split
以上是根据日志显示得到的一个跟踪过程。 我们可以看到minor compact速度很快，根据参数设置，每3个文件就会合并一次。 至于major compact由hbase.hregion.majorcompaction来控制,
默认是7天时间，0表示关闭major compact. 所以从理论来讲，minor compact对于一个数据量大的系统，可能时时刻刻在合并， 因为memstore 默认128M可能1分钟就满了，刷出之后产生HFILE，然后达到合并条件就合并。
而split有3个策略，默认是 KeyPrefixRegionSplitPolicy， ConstantSizeRegionSplitPolicy能完全禁止自动拆分，设置这个策略之后，然后修改region的max filesize，比如100G，那么基本就可以关闭自动拆分。
根据以上合并以及拆分理论知识，我们假设有一个系统负载极大，不停的大量数据写入，那么我们可以知道，HBASE内部在不停的合并，达到拆分规则又拆分，又合并，又拆分，周而复始。
在拆分的时候，1个大region拆分成2个小region, 然后修改meta，再online2个小region, 删除大的region. 但是在这过程，我们知道数据还在不停的写入，hbase.hstore.blockingWaitTime 默认90秒，超过这个时间又会放行插入和更新。很显然，出现这种情况之后，小region如果出现了需要split的情况怎么办？ 开始的合并还没有结束，大region还没有offline, 小region又要拆分。
如果出现了上面的情况，我不知道具体HBASE是什么规则，但是我想这是一个极度复杂的处理，简单处理的话只有BLOCK插入和更新，等待合并或者拆分结束。目前我还没找到有完全BLOCK HBASE插入和更新的参数， 所以为了更好管理HBASE， 建议关闭自动拆分，为什么？ 不仅仅是为了说SPLIT可能会影响性能，如果说SPLIT会影响，那么合并也会影响，更多的是，拆分和合并我们要有取舍，关闭了自动拆分，人为来控制，那么在HBASE内部仅仅存在合并，至少不会出现上述极度复杂的情况。
最后，如果系统负载极大的时候，rowkey分配不规则，大量线程往一个region写数据，默认单个memstore是128M，最大大小为128*2=256M, 这个时候按照规则会BLOCK写入，甚至出现org.apache.hadoop.hbase.RegionTooBusyException: org.apache.hadoop.hbase.RegionTooBusyException: Above memstore limit memstoreSize=269744800, blockingMemStoreSize=268435456 之类的错误。
这里简单说一下memstore block写入规则，默认memstore size=128M, 结合<span white-space:normal;background-color:#f5f5f5;"="" style="word-wrap: break-word; color: rgb(85, 85, 85); font-family: 宋体, Arial;">hbase.hregion.memstore.block.multiplier=2 ，也就是说memstore最大大小为256M， 将BLOCK写入，阻止大量写入避免出现outofmemory错误. 上面你看到的above memstore size > 256M.
所以预先分区以及估算写入量就显的非常重要，如果你的系统负载并没有那么大，那么就显的不是那么重要了。
这篇关于Hbase compact以及split跟踪的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
