如何實現Hbase的region合并和拆分？

1、region 拆分機制

• region中存儲的是大量的rowkey數據 ,當region中的數據條數過多的時候,直接影響查詢效率.當region過大的時候.hbase會拆分region , 這也是Hbase的一個優點 .

• HBase的region split策略一共有以下幾種：

• 1、ConstantSizeRegionSplitPolicy

  • 0.94版本前默認切分策略

• 當region大小大于某個閾值(hbase.hregion.max.filesize=10G)之后就會觸發切分，一個region等分為2個region。

  • 但是在生產線上這種切分策略卻有相當大的弊端：切分策略對于大表和小表沒有明顯的區分。閾值(hbase.hregion.max.filesize)設置較大對大表比較友好，但是小表就有可能不會觸發分裂，極端情況下可能就1個，這對業務來說并不是什么好事。如果設置較小則對小表友好，但一個大表就會在整個集群產生大量的region，這對于集群的管理、資源使用、failover來說都不是一件好事。

• 2、IncreasingToUpperBoundRegionSplitPolicy

  • 0.94版本~2.0版本默認切分策略

  • 切分策略稍微有點復雜，總體看和ConstantSizeRegionSplitPolicy思路相同，一個region大小大于設置閾值就會觸發切分。但是這個閾值并不像ConstantSizeRegionSplitPolicy是一個固定的值，而是會在一定條件下不斷調整，調整規則和region所屬表在當前regionserver上的region個數有關系.

  • region split的計算公式是：
    regioncount^3 128M 2，當region達到該size的時候進行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，因此取較小的值10GB
    后面每次split的size都是10GB了

• 3、SteppingSplitPolicy

  • 2.0版本默認切分策略

  • 這種切分策略的切分閾值又發生了變化，相比 IncreasingToUpperBoundRegionSplitPolicy 簡單了一些，依然和待分裂region所屬表在當前regionserver上的region個數有關系，如果region個數等于1，
    切分閾值為flush size * 2，否則為MaxRegionFileSize。這種切分策略對于大集群中的大表、小表會比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不會再產生大量的小region，而是適可而止。

• 4、KeyPrefixRegionSplitPolicy

  • 根據rowKey的前綴對數據進行分組，這里是指定rowKey的前多少位作為前綴，比如rowKey都是16位的，指定前5位是前綴，那么前5位相同的rowKey在進行region split的時候會分到相同的region中。

• 5、DelimitedKeyPrefixRegionSplitPolicy

  • 保證相同前綴的數據在同一個region中，例如rowKey的格式為：userid_eventtypeeventid，指定的delimiter為 ，則split的的時候會確保userid相同的數據在同一個region中。
• 6、DisabledRegionSplitPolicy
  • 不啟用自動拆分, 需要指定手動拆分
    

    2、region合并機制

1.1 region合并說明

• Region的合并不是為了性能,  而是出于維護的目的 .
• 比如刪除了大量的數據 ,這個時候每個Region都變得很小 ,存儲多個Region就浪費了 ,這個時候可以把Region合并起來，進而可以減少一些Region服務器節點

1.2 如何進行region合并

1.2.1 通過Merge類冷合并Region

• 執行合并前，==需要先關閉hbase集群==

• 創建一張hbase表：

create 'test','info1',SPLITS => ['1000','2000','3000']

• 查看表region
  

• 需求：

  需要把test表中的2個region數據進行合并：
  test,,1565940912661.62d28d7d20f18debd2e7dac093bc09d8.
  test,1000,1565940912661.5b6f9e8dad3880bcc825826d12e81436.

• 這里通過org.apache.hadoop.hbase.util.Merge類來實現，不需要進入hbase shell，直接執行（==需要先關閉hbase集群==）：
  hbase org.apache.hadoop.hbase.util.Merge test test,,1565940912661.62d28d7d20f18debd2e7dac093bc09d8. test,1000,1565940912661.5b6f9e8dad3880bcc825826d12e81436.

• 成功后界面觀察

1.2.2  通過online_merge熱合并Region

• ==不需要關閉hbase集群==，在線進行合并

• 與冷合并不同的是，online_merge的傳參是Region的hash值，而Region的hash值就是Region名稱的最后那段在兩個.之間的字符串部分。

• 需求：需要把test表中的2個region數據進行合并：
  test,2000,1565940912661.c2212a3956b814a6f0d57a90983a8515.
  test,3000,1565940912661.553dd4db667814cf2f050561167ca030.

• 需要進入hbase shell：

  merge_region 'c2212a3956b814a6f0d57a90983a8515','553dd4db667814cf2f050561167ca030'

• 成功后觀察界面
  merge_region 'c2212a3956b814a6f0d57a90983a8515','553dd4db667814cf2f050561167ca030'

• 成功后觀察界面