Hbase的region合并与拆分详解
lwb 2020-02-17
region中存储的是大量的rowkey数据 ,当region中的数据条数过多的时候,直接影响查询效率.当region过大的时候.hbase会拆分region , 这也是Hbase的一个优点 .
HBase的region split策略一共有以下几种：
1、ConstantSizeRegionSplitPolicy
- 0.94版本前默认切分策略
当region大小大于某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。
- 但是在生产线上这种切分策略却有相当大的弊端：切分策略对于大表和小表没有明显的区分。阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，这对业务来说并不是什么好事。如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。
2、IncreasingToUpperBoundRegionSplitPolicy
0.94版本~2.0版本默认切分策略
切分策略稍微有点复杂，总体看和ConstantSizeRegionSplitPolicy思路相同，一个region大小大于设置阈值就会触发切分。但是这个阈值并不像ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，调整规则和region所属表在当前regionserver上的region个数有关系.
- region split的计算公式是：
regioncount^3 128M 2，当region达到该size的时候进行split
例如：
第一次split：1^3 256 = 256MB
第二次split：2^3 256 = 2048MB
第三次split：3^3 256 = 6912MB
第四次split：4^3 256 = 16384MB > 10GB，因此取较小的值10GB
后面每次split的size都是10GB了
3、SteppingSplitPolicy
2.0版本默认切分策略
- 这种切分策略的切分阈值又发生了变化，相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些，依然和待分裂region所属表在当前regionserver上的region个数有关系，如果region个数等于1，
切分阈值为flush size * 2，否则为MaxRegionFileSize。这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不会再产生大量的小region，而是适可而止。
4、KeyPrefixRegionSplitPolicy
- 根据rowKey的前缀对数据进行分组，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在进行region split的时候会分到相同的region中。
5、DelimitedKeyPrefixRegionSplitPolicy
- 保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtypeeventid，指定的delimiter为 ，则split的的时候会确保userid相同的数据在同一个region中。
- 6、DisabledRegionSplitPolicy
- 不启用自动拆分, 需要指定手动拆分
2、region合并机制
- 不启用自动拆分, 需要指定手动拆分
1.1 region合并说明
- Region的合并不是为了性能, 而是出于维护的目的 .
- 比如删除了大量的数据 ,这个时候每个Region都变得很小 ,存储多个Region就浪费了 ,这个时候可以把Region合并起来，进而可以减少一些Region服务器节点
1.2 如何进行region合并
1.2.1 通过Merge类冷合并Region
执行合并前，==需要先关闭hbase集群==
- 创建一张hbase表：
create ‘test‘,‘info1‘,SPLITS => [‘1000‘,‘2000‘,‘3000‘]
- 查看表region
需求：
需要把test表中的2个region数据进行合并：
test,,1565940912661.62d28d7d20f18debd2e7dac093bc09d8.
test,1000,1565940912661.5b6f9e8dad3880bcc825826d12e81436.这里通过org.apache.hadoop.hbase.util.Merge类来实现，不需要进入hbase shell，直接执行（==需要先关闭hbase集群==）：
hbase org.apache.hadoop.hbase.util.Merge test test,,1565940912661.62d28d7d20f18debd2e7dac093bc09d8. test,1000,1565940912661.5b6f9e8dad3880bcc825826d12e81436.- 成功后界面观察
1.2.2 通过online_merge热合并Region
==不需要关闭hbase集群==，在线进行合并
与冷合并不同的是，online_merge的传参是Region的hash值，而Region的hash值就是Region名称的最后那段在两个.之间的字符串部分。
需求：需要把test表中的2个region数据进行合并：
test,2000,1565940912661.c2212a3956b814a6f0d57a90983a8515.
test,3000,1565940912661.553dd4db667814cf2f050561167ca030.需要进入hbase shell：
merge_region ‘c2212a3956b814a6f0d57a90983a8515‘,‘553dd4db667814cf2f050561167ca030‘
成功后观察界面
merge_region ‘c2212a3956b814a6f0d57a90983a8515‘,‘553dd4db667814cf2f050561167ca030‘- 成功后观察界面
