HBase BlockCache

1. Cache 读写 
调用逻辑: 
hmaster.handleCreateTable->HRegion.createHRegion-> HRegion. initialize->initializeRegionInternals->instantiateHStore 
->Store.Store->new CacheConfig(conf, family)-> CacheConfig.instantiateBlockCache->new LruBlockCache 
传入参数 

Java代码  收藏代码
  1. /** 
  2.  * Configurable constructor.  Use this constructor if not using defaults. 
  3.  * @param maxSize maximum size of this cache, in bytes 
  4.  * @param blockSize expected average size of blocks, in bytes 
  5.  * @param evictionThread whether to run evictions in a bg thread or not 
  6.  * @param mapInitialSize initial size of backing ConcurrentHashMap 
  7.  * @param mapLoadFactor initial load factor of backing ConcurrentHashMap 
  8.  * @param mapConcurrencyLevel initial concurrency factor for backing CHM 
  9.  * @param minFactor percentage of total size that eviction will evict until 
  10.  * @param acceptableFactor percentage of total size that triggers eviction 
  11.  * @param singleFactor percentage of total size for single-access blocks 
  12.  * @param multiFactor percentage of total size for multiple-access blocks 
  13.  * @param memoryFactor percentage of total size for in-memory blocks 
  14.  */  
  15. public LruBlockCache(long maxSize, long blockSize, boolean evictionThread,  
  16.     int mapInitialSize, float mapLoadFactor, int mapConcurrencyLevel,  
  17.     float minFactor, float acceptableFactor,  
  18.     float singleFactor, float multiFactor, float memoryFactor)   

new LruBlockCache时除了设置默认的参数外,还会创建evictionThread并wait和一个定时打印的线程StatisticsThread 

当执行HFileReaderV2的readBlock时,会先看判断是否开户了Cache ,如果开启,则使用cache中block 

Java代码  收藏代码
  1. // Check cache for block. If found return.  
  2. if (cacheConf.isBlockCacheEnabled()) {  
  3.   // Try and get the block from the block cache.  If the useLock variable is true then this  
  4.   // is the second time through the loop and it should not be counted as a block cache miss.  
  5.   HFileBlock cachedBlock = (HFileBlock)  
  6.       cacheConf.getBlockCache().getBlock(cacheKey, cacheBlock, useLock);  
  7.   if (cachedBlock != null) {  
  8.     BlockCategory blockCategory =  
  9.         cachedBlock.getBlockType().getCategory();  
  10.   
  11.     getSchemaMetrics().updateOnCacheHit(blockCategory, isCompaction);  
  12.   
  13.     if (cachedBlock.getBlockType() == BlockType.DATA) {  
  14.       HFile.dataBlockReadCnt.incrementAndGet();  
  15.     }  
  16.   
  17.     validateBlockType(cachedBlock, expectedBlockType);  
  18.   
  19.     // Validate encoding type for encoded blocks. We include encoding  
  20.     // type in the cache key, and we expect it to match on a cache hit.  
  21.     if (cachedBlock.getBlockType() == BlockType.ENCODED_DATA &&  
  22.         cachedBlock.getDataBlockEncoding() !=  
  23.             dataBlockEncoder.getEncodingInCache()) {  
  24.       throw new IOException(“Cached block under key ” + cacheKey + “ ” +  
  25.           “has wrong encoding: ” + cachedBlock.getDataBlockEncoding() +  
  26.           “ (expected: ” + dataBlockEncoder.getEncodingInCache() + “)”);  
  27.     }  
  28.     return cachedBlock;  
  29.   }  
  30.   // Carry on, please load.  
  31. }  

在getBlock方法中,会更新一些统计数据,重要的时更新

Java代码  收藏代码
  1. BlockPriority.SINGLE为BlockPriority.MULTI  
  2.   public Cacheable getBlock(BlockCacheKey cacheKey, boolean caching, boolean repeat) {  
  3.     CachedBlock cb = map.get(cacheKey);  
  4.     if(cb == null) {  
  5.       if (!repeat) stats.miss(caching);  
  6.       return null;  
  7.     }  
  8.     stats.hit(caching);  
  9.     cb.access(count.incrementAndGet());  
  10.     return cb.getBuffer();  
  11.   }  

——————— 
若是第一次读,则将block加入Cache. 

Java代码  收藏代码
  1. // Cache the block if necessary  
  2. if (cacheBlock && cacheConf.shouldCacheBlockOnRead(  
  3.     hfileBlock.getBlockType().getCategory())) {  
  4.   cacheConf.getBlockCache().cacheBlock(cacheKey, hfileBlock,  
  5.       cacheConf.isInMemory());  
  6. }  

2. LRU evict 

写入cache时就是将block加入到 一个 ConcurrentHashMap中,并更新Metrics,之后判断if(newSize > acceptableSize() && !evictionInProgress), acceptableSize是初始化时给的值(long)Math.floor(this.maxSize * this.acceptableFactor),acceptableFactor是一个百分比,是可以配置的:”hbase.lru.blockcache.acceptable.factor”(0.85f), 这里的意思就是判断总Size是不是大于这个值,如果大于并且没有正在执行的eviction线程, 那么就执行evict。 

Java代码  收藏代码
  1. /** 
  2.    * Cache the block with the specified name and buffer. 
  3.    * <p> 
  4.    * It is assumed this will NEVER be called on an already cached block.  If 
  5.    * that is done, an exception will be thrown. 
  6.    * @param cacheKey block’s cache key 
  7.    * @param buf block buffer 
  8.    * @param inMemory if block is in-memory 
  9.    */  
  10.   public void cacheBlock(BlockCacheKey cacheKey, Cacheable buf, boolean inMemory) {  
  11.     CachedBlock cb = map.get(cacheKey);  
  12.     if(cb != null) {  
  13.       throw new RuntimeException(“Cached an already cached block”);  
  14.     }  
  15.     cb = new CachedBlock(cacheKey, buf, count.incrementAndGet(), inMemory);  
  16.     long newSize = updateSizeMetrics(cb, false);  
  17.     map.put(cacheKey, cb);  
  18.     elements.incrementAndGet();  
  19.     if(newSize > acceptableSize() && !evictionInProgress) {  
  20.       runEviction();  
  21.     }  
  22.   }  

在evict方法中, 
1. 计算总size和需要free的size, minsize = (long)Math.floor(this.maxSize * this.minFactor);其中minFactor是可配置的”hbase.lru.blockcache.min.factor”(0.75f); 

Java代码  收藏代码
  1. long currentSize = this.size.get();  
  2. long bytesToFree = currentSize - minSize();  

2. 初始化三种BlockBucket:bucketSingle,bucketMulti,bucketMemory并遍历map,按照三种类型分别add进各自的queue(MinMaxPriorityQueue.expectedSize(initialSize).create();)中, 并按照访问的次数逆序。 
三种类型的区别是: 
    SINGLE对应第一次读的 
    MULTI对应多次读 
    MEMORY是设定column family中的IN_MEMORY为true的 

Java代码  收藏代码
  1. // Instantiate priority buckets  
  2. BlockBucket bucketSingle = new BlockBucket(bytesToFree, blockSize,  
  3.     singleSize());  
  4. BlockBucket bucketMulti = new BlockBucket(bytesToFree, blockSize,  
  5.     multiSize());  
  6. BlockBucket bucketMemory = new BlockBucket(bytesToFree, blockSize,  
  7.     memorySize());  

其中三种BlockBuckt Size大小分配比例默认是: 
  static final float DEFAULT_SINGLE_FACTOR = 0.25f; 
  static final float DEFAULT_MULTI_FACTOR = 0.50f; 
  static final float DEFAULT_MEMORY_FACTOR = 0.25f; 

Java代码  收藏代码
  1. private long singleSize() {  
  2.   return (long)Math.floor(this.maxSize * this.singleFactor * this.minFactor);  
  3. }  
  4. private long multiSize() {  
  5.   return (long)Math.floor(this.maxSize * this.multiFactor * this.minFactor);  
  6. }  
  7. private long memorySize() {  
  8.   return (long)Math.floor(this.maxSize * this.memoryFactor * this.minFactor);  
  9. }  

并将三种BlockBuckt 加入到优先队列中,按照totalSize – bucketSize排序,,再计算需要free大小,执行free: 

Java代码  收藏代码
  1. PriorityQueue<BlockBucket> bucketQueue =  
  2.         new PriorityQueue<BlockBucket>(3);  
  3.   
  4.       bucketQueue.add(bucketSingle);  
  5.       bucketQueue.add(bucketMulti);  
  6.       bucketQueue.add(bucketMemory);  
  7.   
  8.       int remainingBuckets = 3;  
  9.       long bytesFreed = 0;  
  10.   
  11.       BlockBucket bucket;  
  12.       while((bucket = bucketQueue.poll()) != null) {  
  13.         long overflow = bucket.overflow();  
  14.         if(overflow > 0) {  
  15.           long bucketBytesToFree = Math.min(overflow,  
  16.             (bytesToFree - bytesFreed) / remainingBuckets);  
  17.           bytesFreed += bucket.free(bucketBytesToFree);  
  18.         }  
  19.         remainingBuckets–;  
  20.       }  

free方法中一个一个取出queue中block,由于是按照访问次数逆序,所以从后面取出就是先取出访问次数少的,将其在map中一个一个remove, 并更新Mertrics. 

Java代码  收藏代码
  1. public long free(long toFree) {  
  2.   CachedBlock cb;  
  3.   long freedBytes = 0;  
  4.   while ((cb = queue.pollLast()) != null) {  
  5.     freedBytes += evictBlock(cb);  
  6.     if (freedBytes >= toFree) {  
  7.       return freedBytes;  
  8.     }  
  9.   }  
  10.   return freedBytes;  
  11. }  
  12.   
  13.   
  14.   
  15.   
  16. otected long evictBlock(CachedBlock block) {  
  17. map.remove(block.getCacheKey());  
  18. updateSizeMetrics(block, true);  
  19. elements.decrementAndGet();  
  20. stats.evicted();  
  21. return block.heapSize();  
3. HBase LruBlockCache的特点是针对不同的访问次数使用不同的策略,避免频繁的更新的Cache(便如Scan),这样更加有利于提高读的性能。

你可能感兴趣的:(hbase)