HBase Compaction算法之ExploringCompactionPolicy怎么用

這篇文章主要為大家展示了“HBase Compaction算法之ExploringCompactionPolicy怎么用”，內(nèi)容簡(jiǎn)而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“HBase Compaction算法之ExploringCompactionPolicy怎么用”這篇文章吧。

 在0.98版本中，默認(rèn)的compaction算法換成了ExploringCompactionPolicy，之前是RatioBasedCompactionPolicy

ExploringCompactionPolicy繼承RatioBasedCompactionPolicy，重寫(xiě)了applyCompactionPolicy方法，applyCompactionPolicy是對(duì)minor compaction的選擇文件的策略算法。

applyCompactionPolicy方法內(nèi)容：

public List<StoreFile> applyCompactionPolicy(final List<StoreFile> candidates,
       boolean mightBeStuck, boolean mayUseOffPeak, int minFiles, int maxFiles) {
    //此ratio為后面算法使用，可設(shè)置非高峰時(shí)間段的ratio（默認(rèn):5.0）從而合并更多的數(shù)據(jù)
    final double currentRatio = mayUseOffPeak
        ? comConf.getCompactionRatioOffPeak() : comConf.getCompactionRatio();

    // Start off choosing nothing.
    List<StoreFile> bestSelection = new ArrayList<StoreFile>(0);
    List<StoreFile> smallest = mightBeStuck ? new ArrayList<StoreFile>(0) : null;
    long bestSize = 0;
    long smallestSize = Long.MAX_VALUE;

    int opts = 0, optsInRatio = 0, bestStart = -1; // for debug logging
    // Consider every starting place.
    for (int start = 0; start < candidates.size(); start++) {
      // Consider every different sub list permutation in between start and end with min files.
      for (int currentEnd = start + minFiles - 1;
          currentEnd < candidates.size(); currentEnd++) {
        List<StoreFile> potentialMatchFiles = candidates.subList(start, currentEnd + 1);

        // Sanity checks
        if (potentialMatchFiles.size() < minFiles) {
          continue;
        }
        if (potentialMatchFiles.size() > maxFiles) {
          continue;
        }

        // Compute the total size of files that will
        // have to be read if this set of files is compacted.
        long size = getTotalStoreSize(potentialMatchFiles);

        // Store the smallest set of files.  This stored set of files will be used
        // if it looks like the algorithm is stuck.
        if (mightBeStuck && size < smallestSize) {
          smallest = potentialMatchFiles;
          smallestSize = size;
        }

        if (size > comConf.getMaxCompactSize()) {
          continue;
        }

        ++opts;
        if (size >= comConf.getMinCompactSize()
            && !filesInRatio(potentialMatchFiles, currentRatio)) {
          continue;
        }

        ++optsInRatio;
        if (isBetterSelection(bestSelection, bestSize, potentialMatchFiles, size, mightBeStuck)) {
          bestSelection = potentialMatchFiles;
          bestSize = size;
          bestStart = start;
        }
      }
    }
    if (bestSelection.size() == 0 && mightBeStuck) {
      LOG.debug("Exploring compaction algorithm has selected " + smallest.size()
          + " files of size "+ smallestSize + " because the store might be stuck");
      return new ArrayList<StoreFile>(smallest);
    }
    LOG.debug("Exploring compaction algorithm has selected " + bestSelection.size()
        + " files of size " + bestSize + " starting at candidate #" + bestStart +
        " after considering " + opts + " permutations with " + optsInRatio + " in ratio");
    return new ArrayList<StoreFile>(bestSelection);

從代碼得知，主要算法如下：

1. 從頭到尾遍歷文件，判斷所有符合條件的組合

2. 選擇組合的文件數(shù)必須 >= minFiles（默認(rèn)值：3）

3. 選擇組合的文件數(shù)必須 <= maxFiles（默認(rèn)值：10）

4. 計(jì)算組合的文件總大小size，size必須 <= maxCompactSize(通過(guò)hbase.hstore.compaction.max.size配置，默認(rèn)值：LONG.MAX_VALUE，相當(dāng)于沒(méi)起作用，官方文檔里面說(shuō)只有覺(jué)得compaction經(jīng)常發(fā)生并且沒(méi)有多大的用時(shí)，可以修改這個(gè)值)

5. 組合的文件大小 < minCompactSize 則是符合要求，如果  >= minCompactSize ，還需要判斷filesInRatio

6. filesInRatio算法：FileSize(i) <= ( Sum(0,N,FileSize(_)) - FileSize(i) ) * Ratio，也就是說(shuō)組合里面的所有單個(gè)文件大小都必須滿足 singleFileSize <= (totalFileSize - singleFileSize) * currentRatio，此算法的意義是為了限制太大的compaction，選擇出來(lái)的文件不至于有一個(gè)很大的，應(yīng)該盡可能先合并一些小的大小相差不大的文件，代碼如下

   private boolean filesInRatio(final List<StoreFile> files, final double currentRatio) {
       if (files.size() < 2) {
         return true;
       }
   
       long totalFileSize = getTotalStoreSize(files);
   
       for (StoreFile file : files) {
         long singleFileSize = file.getReader().length();
         long sumAllOtherFileSizes = totalFileSize - singleFileSize;
   
         if (singleFileSize > sumAllOtherFileSizes * currentRatio) {
           return false;
         }
       }
       return true;
     }

   
   

7. 尋找最有解，優(yōu)先選擇文件組合文件數(shù)多的，當(dāng)文件數(shù)一樣多時(shí)選擇文件數(shù)小的，此目的是為了盡可能合并更多的文件并且產(chǎn)生的IO越少越好

   private boolean isBetterSelection(List<StoreFile> bestSelection,
         long bestSize, List<StoreFile> selection, long size, boolean mightBeStuck) {
       if (mightBeStuck && bestSize > 0 && size > 0) {
         // Keep the selection that removes most files for least size. That penaltizes adding
         // large files to compaction, but not small files, so we don't become totally inefficient
         // (might want to tweak that in future). Also, given the current order of looking at
         // permutations, prefer earlier files and smaller selection if the difference is small.
         final double REPLACE_IF_BETTER_BY = 1.05;
         double thresholdQuality = ((double)bestSelection.size() / bestSize) * REPLACE_IF_BETTER_BY;
         return thresholdQuality < ((double)selection.size() / size);
       }
       // Keep if this gets rid of more files.  Or the same number of files for less io.
       return selection.size() > bestSelection.size()
         || (selection.size() == bestSelection.size() && size < bestSize);
     }

   
   

主要算法至此結(jié)束，下面說(shuō)說(shuō)其他細(xì)節(jié)及其優(yōu)化部分：

步驟6的ratio默認(rèn)值是1.2，但是打開(kāi)了非高峰時(shí)間段的優(yōu)化時(shí)，可以有不同的值，非高峰的ratio默認(rèn)值是5.0，此優(yōu)化目的是為了在業(yè)務(wù)低估時(shí)可以合并更多的數(shù)據(jù)，目前此優(yōu)化只能是天的小說(shuō)時(shí)間段，還不算靈活。

算法中關(guān)于mightBeStuck的邏輯部分，這個(gè)參數(shù)是用來(lái)表示是否有可能compaction會(huì)被卡住，它的狀態(tài)是 待選文件數(shù) - 正在做compaction的文件數(shù) + futureFiles(默認(rèn)值是0，有正在做compaction的文件時(shí)是1) >= hbase.hstore.blockingStoreFiles （默認(rèn)是10，此配置在flush中也會(huì)用到，以后分析flush的時(shí)候會(huì)補(bǔ)充），如果是true時(shí)：

1. 選擇文件算法還會(huì)去尋找一個(gè)最小解。在上文步驟4之前，會(huì)記錄一個(gè)文件大小最小的組合

2. isBetterSelection部分，算法改為 (bestSelection.size() / bestSize) * 1.05 < selection.size() / size，通過(guò)文件大小和文件數(shù)的比值去選擇一個(gè)合適的解

3. 返回結(jié)果時(shí)，沒(méi)有合適的最優(yōu)解或返回一個(gè)最小解。

mightBeStuck的優(yōu)化部分，相當(dāng)于保證在很多的文件數(shù)的情況下，也可以選出一個(gè)最小解去做compaction，而不用再讓文件繼續(xù)增長(zhǎng)下去直到有一個(gè)合適的組合出現(xiàn)。

此算法跟RatioBasedCompactionPolicy的區(qū)別，簡(jiǎn)單的說(shuō)就是RatioBasedCompactionPolicy是簡(jiǎn)單的從頭到尾遍歷StoreFile列表，遇到一個(gè)符合Ratio條件的序列就選定執(zhí)行Compaction。而ExploringCompactionPolicy則是從頭到尾遍歷的同時(shí)記錄下當(dāng)前最優(yōu)，然后從中選擇一個(gè)全局最優(yōu)列表。

以上是“HBase Compaction算法之ExploringCompactionPolicy怎么用”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！