深入解读HBase2.0新功能之高可用读Region Replica

摘要： 基于时间线一致的高可用读（Timeline-consistent High Available Reads），又称Region replica,为HBase带来了高可用读的能力。本文主要介绍region replica这个功能设计的背景，技术细节和使用方法，同时会仔细分析这个功能的优缺点并给出使用建议。 前言 基于时间线一致的高可用读（Timeline-consistent High Available Reads），又称Region replica。其实早在HBase-1.2版本的时候，这个功能就已经开发完毕了，但是还是不太稳定，离生产可用级别还有一段距离，后来社区又陆陆续续修复了一些bug，比如说HBASE-18223。这些bug很多在HBase-1.4之后的版本才修复，也就是说region replica功能基本上在HBase-1.4之后才稳定下来。介于HBase-1.4版本目前实际生产中使用的还比较少，把region replica功能说成是HBase2.0中的新功能也不为过。 为什么需要Region Replica 在CAP理论中，HBase一直是一个CP（Consistency&Partition tolerance）系统。HBase一直以来都在遵循着读写强一致的语义。所以说虽然在存储层，HBase依赖HDFS实现了数据的多副本，但是在计算层，HBase的region只能在一台RegionServer上线提供读写服务，来保持强一致。如果这台服务器发生宕机时，Region需要从WAL中恢复还缓存在memstore中未刷写成文件的数据，才能重新上线服务。  由于HBase的RegionServer是使用Zookeeper与Master保持lease。而为了不让JVM GC停顿导致RegionServer被master“误判”死亡，这个lease时间通常都会设置为20~30s，如果RegionServer使用的Heap比较大时，这个lease可能还会设的更长。加上宕机后，region需要re-assign，WAL可能需要 recoverlease和被replay操作，一个典型的region宕机恢复时间可能长达一分钟！这就意味着在这一分钟内，这个region都无法被读写。由于HBase是一个分布式系统，同一张表的数据可能分布在非常多的RegionServer和region里。如果这是一个大HBase集群，有100台RegionServer机器，那么宕机一台的话，可能只有1%的用户数据被影响了。但是如果这是小用户的HBase集群，一共就只有2台RegionServer，宕机一台意味着50%的用户数据都在1~2分钟之内无法服务，这是很多用户都无法忍受的。 其实，很大一部分用户对读可用性的需求，可能比读强一致的需求还要高。在故障场景下，只要保证读继续可用，“stale read”，即读到之前的数据也可以接受。这就是为什么我们需要read replica这个功能。 Region Replica技术细节 Region replica的本质，就是让同一个region host在多个regionserver上。原来的region，称为Default Replica（主region），提供了与之前类似的强一致读写体验。而与此同时，根据配置的多少，会有一个或者多个region的副本，统称为 region replica,在另外的RegionServer上被打开。并且由Master中的LoadBalancer来保证region和他们的副本，不会在同一个RegionServer打开，防止一台服务器的宕机导致多个副本同时挂掉。  Region Replica的设计巧妙之处在于，额外的region副本并不意味着数据又会多出几个副本。这些region replica在RegionServer上open时，使用的是和主region相同的HDFS目录。也就是说主region里有多少HFile，那么在region replica中，这些数据都是可见的，都是可以读出来的。 region replica相对于主region，有一些明显的不同。 首先，region replica是不可写的。这其实很容易理解，如果region replica也可以写的话，那么同一个region会在多个regionserver上被写入，连主region上的强一致读写都没法保证了。 再次，region replica是不能被split和merge的。region replica是主region的附属品，任何发向region replica的split和merge请求都会被拒绝掉。只有当主region split/merge时，才会把这些region replica从meta表中删掉，建立新生成region的region的replica。 replica之间的数据同步 那么，既然region replica不能接受写，它打开之后，怎么让新写入的数据变的可见呢？这里，region replica有两种更新数据的方案： 1. 定期的StoreFile Refresher 这个方案非常好理解，region replica定期检查一下它自己对应的HDFS目录，如果发现文件有变动，比如说flush下来新的文件，文件被compaction掉，它就刷新一下自己的文件列表，这个过程非常像compaction完成之后删除被compact掉的文件和加入新的文件的流程。StoreFile Refresher方案非常简单，只需要在RegionServer中起一个定时执行的Chroe，定期去检查一下它上面的region哪些是region replica，哪些到了设置好的刷新周期，然后刷新就可以了。但这个方案缺点也十分明显，主region写入的数据，只有当flush下来后，才能被region replica看到。而且storeFile Refresher本身还有一个刷新的周期，设的太短了，list文件列表对NN的冲击太频繁，设的太长，就会造成数据长时间在region replica中都不可见 2. Internal Replication 我们知道，HBase是有replication链路的，支持把一个HBase集群的数据通过replication复制到另外一个集群。那么，同样的原理，可以在HBase集群内部建立一条replication通道，把一个Server上的主region的数据，复制到另一个Server的region replica上。那么region replica接收到这些数据之后，会把他们写入memstore中。对，你没看错，刚才我说了region replica是不接受写的，这是指replica不接受来自客户端的写，如果来自主region的replication的数据，它还是会写入memstore的。但是，这个写和普通的写有很明显的区别。第一个，replica region在写入来自主region的时候，是不写WAL的，因为这些数据已经在主region所在的WAL中持久化了，replica中无需再次落盘。第二个，replica region的memstore中的数据是不会被flush成HFile。我们知道，HBase的replication是基于复制WAL文件实现的，那么在主region进行flush时，也会写入特殊的标记Flush Marker。当region replica收到这样的标记时，就直接会把所有memstore里的数据丢掉，再做一次HDFS目录的刷新，把主region刚刚刷下去的那个HFile include进来。同样，如果主region发生了compaction，也会写入相应的Compaction Marker。读到这样的标记后，replica region也会做类似的动作。 Internal replication加快了数据在region replica中的可见速度。通过replication方案，只要replication本身不发生阻塞和延迟，region replica中的数据可以做到和主region只差几百ms。但是，replication方案本身也存在几个问题： META表 无法通过replication来同步数据 如果给meta表开了region replica功能，meta表主region和replica之间的数据同步，只能通过定期的StoreFile Refresher机制。因为HBase的replication机制中会过滤掉meta表的数据。 需要消耗额外的CPU和网络带宽来做Replication 由于region replica的数据同步需要，需要在HBase集群内部建立replication通道，而且有几个replica，就意味着需要从主region发送几份数据。这会增加RegionServer的CPU使用，同时在server之间复制数据还需要占用带宽 写memstore需要额外的内存开销 为了让replica region的数据缺失的内容尽量的少，主region的数据会通过replication发送到replica中，这些数据都会保存在memstore中。也就是说同样的一份数据，会同时存在主region的memstore中，也会存在replica region的memstore中。replica的数量是几，那么memstore的内存使用量就是几倍。 下面的两个问题虽然可以通过配置一些参数解决，但是列在这里，仍然需要注意，因为一旦参数没有配对，就会产生这样的问题。 在replica region failover后，读到的数据可能会回退 我们假设一个情况。客户端写入X=1，主region发生flush，X=1刷在了HFile中，然后客户端继续写入X=2，X=3，那么在主region的memstore中X=3。同时，通过replication，X=2，X=3也被复制到了replica region的memstore中。如果客户端去replica中去读取X的数据，也能读到3。但是由于replica region memstore中的数据是不写WAL的，也不刷盘。那么当replica所在的机器宕机后，它是没有任何数据恢复流程的，他会直接在其他RegionServer上线。上线后它只能读取HFile，无法感知主region memstore里的数据。这时如果客户端来replica上读取数据，那么他只会读到HFile中的X=1。也就是说之前客户端可以读到X=3，但后来却只能读到X=1了，数据出现了回退。为了避免出现这样的问题，可以配置一个hbase.region.replica.wait.for.primary.flush=true的参数，配置之后，replica region上线后，会被标记为不可读，同时它会去触发一次主region的flush操作。只有收到主region的flush marker之后，replica才把自己标记为可读，防止读回退 replica memstore过大导致写阻塞 上面说过，replica的region中memstore是不会主动flush的，只有收到主region的flush操作，才会去flush。同一台RegionServer上可能有一些region replica和其他的主region同时存在。这些replica可能由于复制延迟（没有收到flush marker），或者主region没有发生flush，导致一直占用内存不释放。这会造成整体的内存超过水位线，导致正常的写入被阻塞。为了防止这个问题的出现，HBase中有一个参数叫做hbase.region.replica.storefile.refresh.memstore.multiplier，默认值是4。这个参数的意思是说，如果最大的replica region的memstore已经超过了最大的主region memstore的内存的4倍，就主动触发一次StoreFile Refresher去更新文件列表，如果确实发生了flush，那么replica内存里的数据就能被释放掉。但是，这只是解决了replication延迟导致的未flush问题，如果这个replica的主region确实没有flush过，内存还是不能被释放。写入阻塞还是会存在。 Timeline Consistency Read 无论是StoreFile Refresher还是Internal replication，主region和replica之间的数据更新都是异步的，这就导致在replica region中读取数据时，都不是强一致的。read replica的作者把从region replica中读数据的一致性等级定为Timeline Consistency。只有用户明确表示能够接受Timeline consistency，客户端的请求才会发往replica中。  比如说上图中，如果客户端是需要强一致读，那么客户端的请求只会发往主region，即replica_id=0的region，他就会读到X=3.如果他选择了Timeline consistency读，那么根据配置，他的读可能落在主上，那么他仍然会读到X=3，如果他的读落在了replica_id=1的region上，因为复制延迟的存在，他就只能读到X=2.如果落在了replica_id=2上，由于replication链路出现了问题，他就只能读到X=1。 Region replica的使用方法 服务端配置 hbase.regionserver.storefile.refresh.period 如果要使用StoreFile Refresher来做为Region replica之间同步数据的策略，就必须把这个值设置为一个大于0的数，即刷新storefile的间隔周期（单位为ms）上面的章节讲过，这个值要不能太大，也不能太小。 hbase.regionserver.meta.storefile.refresh.period 由于Meta表的region replica不能通过replication来同步，所以如果要开启meta表的region replica，必须把这个参数设成一个不为0的值，具体作用参见上一个参数，这个参数只对meta表生效。 hbase.region.replica.replication.enabled hbase.region.replica.replication.memstore.enabled 如果要使用Internal replication的方式在Region replica之间同步数据的策略，必须把这两个参数都设置为true hbase.master.hfilecleaner.ttl 在主region发生compaction之后，被compact掉的文件会放入Achieve文件夹内，超过hbase.master.hfilecleaner.ttl时间后，文件就会被从HDFS删除掉。而此时，可能replica region正在读取这个文件，这会造成用户的读取抛错返回。如果不想要这种情况发生，就可以把这个参数设为一个很大的值，比如说3600000（一小时），总没有读操作需要读一个小时了吧？ hbase.meta.replica.count mata表的replica份数，默认为1，即不开启meta表的replica。如果想让meta表有额外的一个replica，就可以把这个值设为2，依次类推。此参数只影响meta表的replica份数。用户表的replica份数是在表级别配置的，这个我后面会讲 hbase.region.replica.storefile.refresh.memstore.multiplier 这个参数我在上面的章节里有讲，默认为4 hbase.region.replica.wait.for.primary.flush 这个参数我在上面的章节里有讲，默认为true 需要注意的是，开启region replica之后，Master的balancer一定要用默认的StochasticLoadBalancer，只有这个balancer会尽量使主region和他的replica不在同一台机器上。其他的balaner会无区别对待所有的region。 客户端配置 hbase.ipc.client.specificThreadForWriting 因为当存在region replica时，当客户端发往主region的请求超时后，会发起一个请求到replica region，当其中一个请求放回后，就无需再等待另一个请求的结果了，通常要中断这个请求，使用专门的的线程来发送请求，比较容易处理中断。所以如果要使用region replica，这个参数要配为true。 hbase.client.primaryCallTimeout.get hbase.client.primaryCallTimeout.multiget hbase.client.replicaCallTimeout.scan 分别对应着，get、multiget、scan时等待主region返回结果的时间。如果把这个值设为1000ms，那么客户端的请求在发往主region超过1000ms还没返回后，就会再发一个请求到replica region（如果有多个replica的话，就会同时发往多个replica） hbase.meta.replicas.use 如果服务端上开启了meta表的replica后，客户端可以使用这个参数来控制是否使用meta表的replica的region。 建表 在shell建表时，只需在表的属性里加上REGION_REPLICATION => xx就可以了，如 create 't1', 'f1', {REGION_REPLICATION => 2} Replica的份数支持动态修改，但修改之前必须disable表 diable 't1' alter 't1', {REGION_REPLICATION => 1} enable 't1' 访问有replica的表 如果可以按请求设置一致性级别，如果把请求的一致性级别设为Consistency.TIMELINE，即有可能读到replica上 Get get1 = new Get(row); get1.setConsistency(Consistency.TIMELINE); ... ArrayList<Get> gets = new ArrayList<Get>(); gets.add(get1); ... Result[] results = table.get(gets); 另外，用户可以通过Result.isStale()方法来获得返回的result是否来自主region，如果为isStale为false，则结果来自主region。 Result result = table.get(get); if (result.isStale()) { ... } 总结和建议 Region Replica功能给HBase用户带来了高可用的读能力，提高了HBase的可用性，但同时也存在一定的缺点： 高可用的读基于Timeline consistency，用户需要接受非强一致性读才能开启这个功能 使用Replication来做数据同步意味着额外的CPU，带宽消耗，同时根据replica的多少，可能会有数倍的memstore内存消耗 读取replica region中的block同样会进block cache（如果表开启了block cache的话），这意味着数倍的cache开销 客户端Timeline consistency读可能会把请求发往多个replica，可能带来更多的网络开销 Region Replica只带来了高可用的读，宕机情况下的写，仍然取决于主region的恢复时间，因此MTTR时间并没有随着使用Region replica而改善。虽然说region replica的作者在规划中有写计划在宕机时把一个replica提升为主，来优化MTTR时间，但截至目前为止，还没有实现。 个人建议，region replica功能适合于用户集群规模较小，对读可用性非常在意，同时又可以接受非强一致性读的情况下开启。如果集群规模较大，或者读写流量非常大的集群上开启此功能，需要留意内存使用和网络带宽。Memstore占用内存过高可能会导致region频繁刷盘，影响写性能，同时cache容量的翻倍会导致一部分读请求击穿cache直接落盘，导致读性能的下降。 云端使用 阿里HBase目前已经在阿里云提供商业化服务，任何有需求的用户都可以在阿里云端使用深入改进的、一站式的HBase服务。云HBase版本与自建HBase相比在运维、可靠性、性能、稳定性、安全、成本等方面均有很多的改进，更多内容欢迎大家关注 https://www.aliyun.com/product/hbase 同时，云HBase2.0 在2018年6月6日将正式发布，点击了解更多: https://promotion.aliyun.com/ntms/act/hbase20.html 原文链接：http://click.aliyun.com/m/1000000794/