HBase 源码阅读之 读过程及scanner

看过Hbase 读流程的代码的同学 对scanner这个词应该不会陌生

Hbase 在读流程时 具体是怎么围绕scanner展开的，最近仔细地看了代码后算是弄清了

HBase中的scanner实例关系如下图


首先,无论是GET还是scan的读数据,都是从RegionScanner的next接口中获取

第二,scanner可分为两种InternalScanner和KeyValueScanner,区别如下：
1.InternalScanner,可以理解为包含其他scanner的scanner，它的主要接口为next(),作用是从其包含的scanner中获取下一个KeyValue,它的角色可以理解为雇佣KeyValueScanner
2.KeyValueScanner,从内存或文件中获取KeyValue的scanner,它的主要接口有peek(),seek(KeyValue key),next()等，其中next和peek都能获取scanner中的下一个KeyValue，但是next会移动iterator，peek不会，而seek就是将iterator定位到指定的KeyValue，如果不存在该KeyValue则定位到其后面的那个KeyValue，在scanner初始化的时候都会调用下seek接口,它的角色可以理解为服务InternalScanner

所以，对于图中的scanner, RegionScanner、StoreScanner属于InternalScanner,
而MemstoreScanner、StoreFileScanner、StoreScanner属于KeyValueScanner

第三,KeyValue 和 KeyValueScanner是可以比较大小的,即他们在优先队列里是排序存放的
1.KeyValue的大小比较规则,优先级从大到小依次为RowKey cf+cq timestamp type,
具体点比如说,在比较2个KeyValue时，先比较RowKey的大小('a' < 'b'),相同的情况下比较cf+cq的大小('cf1:q1'<'cf2:q1'<'cf2:q2'),如果还是相同的话就比较时间戳(3042211081<3042211080,注意 我没写错，你没看错，时间戳的long值越大，表示数据越新，在从小到大的队列中越靠前),如果上述仍然还相同则比较TYPE('DeleteFamily' < 'DeleteColumn' < 'Delete' < Put)

2.KeyValueScanner的大小比较规则：其大小有peek()获取到KeyValue大小决定，即
KeyValueScanner1.peek() < KeyValueScanner2.peek() 则KeyValueScanner1 < KeyValueScanner2


看明白以上3点后，则读的流程就比较好懂了，
1.RegionScanner中有一个scanner的优先队列,当然里面放的是StoreScanner
2.StoreScanner中也有一个scanner的优先队列,里面放着地是MemStoreScanner和StoreFileScanner，
3.RegionScanner通过调用next()获取数据时，其实际是从他的scanner队列中poll出一个StoreScanner,然后调用StoreScanner.next()来获取数据，最后再将该StoreScanner继续添加进优先队列中，从而保证队列中的scanner是一直正确有序的
4,3中的StoreScanner.next(),其实际是从他的scanner队列中poll出一个StoreFileScanner或者是MemStoreScanner,然后调用next()，再将该scanner添加进队列中

评论

4 楼 Pun_C 2015-06-05  

0.98版本主要流程跟博主的文章几乎没变啊，看源码看晕了，有了这篇文章看起来脉络更加清晰了～

3 楼 yexingren23 2013-03-29  

为什么HBase的所有get都需要通过scanner来实现？而不是直接定位到key？

2 楼 chenchao051 2012-08-07  

chenchao051 写道

恍然大悟！

不知道为什么会有人踩这样的文章，假如你们仔细看过get和scan的源码，有些疑问肯定能在这篇不长的短文中得到解答。

1 楼 chenchao051 2012-08-07  

恍然大悟！