HMaster 功能之定期清理archive

在HBase中，HMaster不承担读写数据的任务，那HMaster的主要功能呢？
HMaster功能：

1. 管理HRegionServer，实现其负载均衡
2. 管理和分配HRegion，比如在HRegion split时分配新的HRegion；在HRegionServer退出时迁移其内的HRegion到其他HRegionServer上
3. 监控集群中所有HRegionServer的状态(通过Heartbeat和监听ZooKeeper中的状态)
4. 处理schema更新请求 (创建、删除、修改Table的定义）, 如下图：

HMaster功能

除此之外还有：HMaster.HFileCleaner 定期清理archive下的文件 。

首先回顾下HBase 在HDFS上的物理目录结构：

/hbase/data
/hbase/archive
/hbase/.tmp
/hbase/corrupt
/hbase/hbase.id
/hbase/hbase.version
/hbase/WALs
/hbase/oldWALs
/hbase/.hbase-snapshot

1. /hbase/data
   hbase 的核心目录，0.98版本里支持 namespace 的概念模型，系统会预置两个 namespace 即：hbase和default

   
   预置namespace
   

   /hbase/data/hbase 存储了存储了 HBase 的 namespace、meta 两个系统级表。namespace 中存储了 HBase 中的所有 namespace 信息，包括预置的hbase 和 default。

   
   namespace、meta
   hbase/data/default/ 存储所有用户数据表/hbase/data/default/表名
   用户表
2. /hbase/archive
   存储表的归档和快照，HBase 在做 Split或者 compact 操作完成之后，会将 HFile 移到archive 目录中，然后将之前的 hfile 删除掉，该目录由 HMaster 上的一个定时任务定期去清理。存储表的归档和快照具体目录:/hbase/archive/data/default/表名/region名/列族名/fd2221d8d1ae4e579c21882f0ec4c5a5
3. /hbase/.tmp
   这个目录用来存储临时文件，当对表进行操作的时候，首先会将表移动到该目录下，然后再进行操作。
4. /hbase/hbase.id
   存储集群唯一的 cluster id 号，是一个 uuid。
5. /hbase/hbase.version
   同样也是一个文件，存储集群的版本号，貌似是加密的，看不到，只能通过web-ui 才能正确显示出来。
6. /hbase/WALs
   被HLog实例管理的WAL文件
7. /hbase/oldWALs
   当/hbase/WALs 中的HLog文件被持久化到存储文件中，不再需要日志文件时，它们会被移动到/hbase/oldWALs目录。
8. /hbase/.hbase-snapshot
   HBase 从0.95开始引入了Snapshot，可以对table进行Snapshot，也可以Restore到Snapshot。Snapshot可以在线做，也可以离线做。Snapshot的实现不涉及到table实际数据的拷贝，仅仅拷贝一些元数据，比如组成table的region info，表的descriptor，还有表对应的HFile的文件的引用。
   /hbase/.hbase-snapshot存储的是snapshot的相关信息。

snapshot 'memberTb','memberTbSnapshotOne'

对memberTb做snapshot后，会生成相应的.snapshotinfo和data.manifest

hbase-snapshot.png

定时清理任务的插件设置：
HFileCleaner 定期清理.archive目录下的HFile。
它会从hbase.master.hfilecleaner.plugins配置里加载所有BaseHFileCleanerDelegate。 只有所有delegate都同意才能被删除。

HFileCleaner
HFileCleaner执行的cleanerInterval默认为1分钟，archiveDir为hbase的archive路径：
Paste_Image.png

而HBase的配置可以看出来，source为programatically，即程序自动添加：

hbase.master.hfilecleaner.plugins

则，就是HFileLinkCleaner，SnapshotHFileCleaner，TimeToLiveHFileCleaner 这三种规则的约束来清理archive中的数据！

1. HFileLinkCleaner

HFileLinkCleaner

/**

• HFileLink cleaner that determines if a hfile should be deleted.
• HFiles can be deleted only if there're no links to them.
• When a HFileLink is created a back reference file is created in:

•  /hbase/archive/table/region/cf/.links-hfile/ref-region.ref-table
  

• To check if the hfile can be deleted the back references folder must be empty.
  */

如果对archive中的文件的引用不存在了，则可以删除
问题：/hbase/archive/table/region/cf/.links-hfile/ref-region.ref-table 从何而来？
回答：HBase 做split的时候

2.SnapshotHFileCleaner

SnapshotHFileCleaner

/**

• Implementation of a file cleaner that checks if a hfile is still used by snapshots of HBase
• tables.
  */

未被snapshots 引用的文件，可以删除

问题： snapshot为嘛会引用到archive中的文件？
回答： Hbase做major compact的时候。详情见HBase major compact 对snapshot 的影响

3.TimeToLiveHFileCleaner

TimeToLiveHFileCleaner

/**

• HFile cleaner that uses the timestamp of the hfile to determine if it should be deleted. By
• default they are allowed to live for {@value #DEFAULT_TTL}
  */

默认清理时间超过5分钟的HFile

参考内容;
http://blog.bcmeng.com/post/hbase-hdfs.html
http://www.cnblogs.com/nexiyi/p/hbase_on_hdfs_directory.html
http://ppg.iteye.com/blog/1888453
http://brianf.iteye.com/blog/1884885
http://46aae4d1e2371e4aa769798941cef698.devproxy.yunshipei.com/gzh1992n/article/details/47173753
http://www.cnblogs.com/tgzhu/p/5857035.html
http://www.cnblogs.com/foxmailed/p/3914117.html