欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

HBase的数据的update

程序员文章站 2023-12-28 08:11:22
...

hbase是以rowkey,column,timestamp这三个维度来区分的。

即如果两条记录其rowkey,column,timestamp一样的话,那么hbase就会认为其是相同的数据。

 

Java代码  HBase的数据的update
            
    
    博客分类: HBase  
  1.          row     column   value   time  
  2. put      r1     cf:c1      '5'       10  
  3. put      r1     cf:c1      '6'       10  
  4. put      r1     cf:c2      '7'    
  5. put      r1     af:c2      '8'  
  6. put      r2     cf:c1      '9'  

 

 如上所示首先插入一条数据其值为5,然后又插入一条数据其值为6.

此时用客户端接口取到的都是value=‘6’的数据,这可以认为是对原数据的一个覆盖。

我们知道hbase的write数据是以append的形式追加的。只有当前compact的时候才会进行无效数据删除。

那么在compact之前hbase的存储文件就存在该记录的两份不同的数据,那么hbase是怎么区别这两份数据,并返回给用户的呢,下面从代码角度来分析

首先我们来看hbase的put过程,这个逻辑比较清除,首先根据table,和row找到相对应的region,然后和该region的regionserver通信。

其写入过程是一个wal过程,即先写日志后写内存,保证数据不会因为regionserver down而丢失。

 

写日志的过程不赘述了。

 

主要来看看写memstore的过程:

 

Java代码  HBase的数据的update
            
    
    博客分类: HBase  
  1. private long applyFamilyMapToMemstore(Map<byte[], List<KeyValue>> familyMap) {  
  2.   ReadWriteConsistencyControl.WriteEntry w = null;  
  3.   long size = 0;  
  4.   try {  
  5.     w = rwcc.beginMemstoreInsert();  
  6.   
  7.     for (Map.Entry<byte[], List<KeyValue>> e : familyMap.entrySet()) {  
  8.       byte[] family = e.getKey();  
  9.       List<KeyValue> edits = e.getValue();  
  10.   
  11.       Store store = getStore(family);  
  12.       for (KeyValue kv: edits) {  
  13.         kv.setMemstoreTS(w.getWriteNumber());  
  14.         size += store.add(kv);  
  15.       }  
  16.     }  
  17.   } finally {  
  18.     rwcc.completeMemstoreInsert(w);  
  19.   }  
  20.   return size;  
  21. }  

 

rwcc是用来控制读写一致性的,对于任何一个put,当其写入memstore的时候,都会设置其MemstoreTs的值。

而这个值在内存中是以一个递增的形式存在的,即新写入内存的数据比旧的其MemstoreTs大。而这个值就是用来保证在内存中的update的可靠性。举个例子,还是上面的两个put

1. put      r1     cf:c1      '5'       10
2. put      r1     cf:c1      '6'       10

第一条记录首先写进内存其memstoreTs为1,第二条记录的memstoreTs为二,那么第二条记录在内存中就排在第一条记录前面,说到这来看看内存中数据是怎么排序的。

 

我们知道hbase 是以key-value存放数据的,其底层存储完全依赖HDFS文件系统。

同样在内存中存储的也是key-value,在磁盘上是以storefile(hfile)存储,且都是有序的

其排序规则如下:

(以自然序列排序 a<b,2<3,23<3)

首先比较 rowkey 小的排前面

然后是  family小的排前面

接下来按排 column

然后是timestamp 排序 时间越大的拍前面

接下来是按key的TYPE排序 有min,delete,deleteFamily,put,deletecolumn,max

最后比较文件的maxsequenceId,越大的说明越新排在前面。memstore的maxsequenceId默认是整数最大值

如果是两个相同key的put的数据都在内存里那么上面的比较规则就都不适用了,此时就会比较这两个put的memstoreTs, 大的排在前面。

我们知道一个put里面可以有很多cf,那么如果在一个put当中有两个一样的数据,此时会如何呢。

这个hbase也做了处理。一个put中维护的是一个familymap<family,map<>>格式,显然当有两条一致的数据插入时,map自动会覆盖前一条数据。

 

 

那么此时用户以指定key取该条数据的话,会遵循以下原则:

 

首先从定位memstore和每个storefile(一个family就是一个Hstore,包裹一个Memstore和n个storefile)的target value的row的起始处。,比较当前memstoe和storefile的keyvalue,选取最靠前的数据,若满足则返回,若不满足则取下一条知道找到为止。

 显然在这个过程中上述的put的第二条数据肯定是在第一条数据前面的,所以首先会取到第二条即最新的数据~~~

 

hbase就是通过keyvalue的排序和get的机制来保证取到的都是最新的value

上一篇:

下一篇: