Hbase负载均衡流程以及源码

hmater负责把region均匀到各个region server 。hmaster中有一个线程任务是专门处理负责均衡的，默认每隔5分钟执行一次。

 

每次负载均衡操作可以分为两步：

• 生成负载均衡计划表
• Assignment Manager 类执行计划表

 

负载均衡方法入口

 

以下代码的Hbase版本为0.96.2

在org.apache.hadoop.hbase.master.balancer.BalancerChore中

public BalancerChore(HMaster master) {    super(master.getServerName() + "-BalancerChore",        master.getConfiguration().getInt("hbase.balancer.period", 300000),        master);//hbase.balancer.period 为负载均衡方法执行的周期，毫秒为单位，hbaser-site.xml中可以设置    this.master = master;  }   @Override  protected void chore() {    try {      master.balance();//执行负载均衡方法    } catch (IOException e) {      LOG.error("Failed to balance.", e);    }  }//执行负载均衡的入口。  public void run() {    try {      boolean initialChoreComplete = false;      while (!this.stopper.isStopped()) {//stopper是Hmaster service,这里判断Hmaster是否是正常状态。        long startTime = System.currentTimeMillis();        try {          if (!initialChoreComplete) {            initialChoreComplete = initialChore();//在循环开始前，执行初始化方法，这里默认返回true;          } else {            chore();//执行负载均衡方法          }        } catch (Exception e) {          if (this.stopper.isStopped()) {            continue;          }        }        this.sleeper.sleep(startTime);      }  ...  }

 

负载均衡代码：

 

org.apache.hadoop.hbase.master.HMaster public boolean balance() throws IOException {    // 如果master没有被初始化，则不执行初始化操作    if (!this.initialized) {      LOG.debug("Master has not been initialized, don't run balancer.");      return false;    }   //只能同时跑一个负载均衡方法      if (!this.loadBalancerTracker.isBalancerOn()) return false;    // Do this call outside of synchronized block.    int maximumBalanceTime = getBalancerCutoffTime();    synchronized (this.balancer) {    //如果有region处于splitting状态，则不跑负载均衡方法。      if (this.assignmentManager.getRegionStates().isRegionsInTransition()) {        Map<String, RegionState> regionsInTransition =          this.assignmentManager.getRegionStates().getRegionsInTransition();    ...        return false;      }      if (this.serverManager.areDeadServersInProgress()) {//如果有挂掉的region server则不执行负载均衡。        LOG.debug("Not running balancer because processing dead regionserver(s): " +          this.serverManager.getDeadServers());        return false;      }...      Map<TableName, Map<ServerName, List<HRegionInfo>>> assignmentsByTable =        this.assignmentManager.getRegionStates().getAssignmentsByTable();//获取table下面的region server 和region。      List<RegionPlan> plans = new ArrayList<RegionPlan>();      //Give the balancer the current cluster state.      this.balancer.setClusterStatus(getClusterStatus());//设置当前集群的状态      for (Map<ServerName, List<HRegionInfo>> assignments : assignmentsByTable.values()) {//可以看到，负载均衡方法是以每个table作为负载均衡的依据的。        List<RegionPlan> partialPlans = this.balancer.balanceCluster(assignments);//获取负载均衡计划表        if (partialPlans != null) plans.addAll(partialPlans);      }...      if (plans != null && !plans.isEmpty()) {        for (RegionPlan plan: plans) {        ...          this.assignmentManager.balance(plan);//根据执行计划表的迁移内容。         ...        }    }    }    // If LoadBalancer did not generate any plans, it means the cluster is already balanced.    // Return true indicating a success.    return true;  }

 

 从代码可以看到负载均衡是根据每个table来的

 

在以下几种状态下，负载平衡方法不会执行:

• 如果master没有被初始化 
• 当前已经有负载均衡方法在跑了
• 当前有region处于splitting状态
• 当前集群中有挂掉的region server 

 

生成RegionPlan表：

 org.apache.hadoop.hbase.master.balancer.StochasticLoadBalancer

生成regionPlan表用的StochasticLoadBalancer. balanceCluster(Map<ServerName, List<HRegionInfo>> clusterState)这个方法，这个方法比较特别也比较有意思，首先，StochasticLoadBalancer 有一套计算某一table下cluster load(集群负载）评分的算法，得出的值越低表明负载越合理。这套算法是根据以下几个维度来计算得出的：

• Region Load //每个regin server 的region 数目
• Table Load 
• Data Locality //数据本地性
• Memstore Sizes //memstore大小
• Storefile Sizes 

首先对单个region server 根据上面5个维度计算得出评分x（0<=x<=1），然后把同一table下所有region server评分加起来，就是当前table的cluster load评分。这个评分越低表明越合理。

 

然后它还有三种调节cluster load 的方法：

• RandomRegionPicker 
• LoadPicker
• LocalityPicker 

RandomRegionPicker 随机交换策略。在虚拟cluster中（虚拟cluster只作为记录用，不会涉及实际的region 迁移操作。cluster包含某个table下所有的region server的相关信息，以及region server下的regions.）随机选出两个region server ,然后分别在region server 中在 随机获取一个region,然后这两个region server下的region交换一下，然后再计算评分，如果得出的评分较低的话，表明这两个region 交换是有利于集群的负载均衡的，保留这个改变。否则，还原到之前的状态，两个region再交换下region server 。其中拥有比较少regions的region server 可能随机出一个空，实际情况，就是变成了迁移region，不再是交换region。

 

LoadPicker ,region数目均衡策略。在虚拟cluster中，首先获取region数目最多和最少的两个region server ，这样能使两个region server 最终的region数目更加的平均。后面的流程和上面的一样。

 

LocalityPicker ,本地性最强的均衡策略。本地性的意思是，Hbase底层的数据其实是存放在HDFS上面的，如果某个region的数据文件存放在某个region server 的比例比其他的region server 都要高，那么称这个region server是该region的最高本地性region server 。在该策略中，首先随机出一个region server 以及其下面的region 。然后找到这个region本地性最高的region server 。本地性最高的region server再随机出一个region server。这两个region server 后面的流程和上面的一样。

 

具体流程如下：

 

0. 是否需要进行负载均衡，是根据当前region server拥有的region数目来判断的

  

protected boolean needsBalance(ClusterLoadState cs) {    ...    float average = cs.getLoadAverage(); // for logging 获取cluster中region server平均拥有的region数目    int floor = (int) Math.floor(average * (1 - slop));//slop默认是0.2，可接受范围的最低值    int ceiling = (int) Math.ceil(average * (1 + slop));//最高值    if (!(cs.getMaxLoad() > ceiling || cs.getMinLoad() < floor)) {//如果cluster的最多和最少region的region server不在范围内，返回false表明需要进行负载均衡算法。       ...      return false;    }    return true;}

 

 

1.计算当前cluster的分数。简单来说是这样的，在每一个维度中，计算region server 的cost值，最终根据 (权重*cost值) 加起来的就是总得分，这得分越小表示越均衡，每个region server之间的差异越小。这个cost值是由cluster的（最大差值/（当前差值-最小差值））得出的。

/* 计算cluster的总得分*/  protected double computeCost(Cluster cluster, double previousCost) {    double total = 0;for (CostFunction c:costFunctions) {//CostFunction 根据某个维度计算分数 ，costFunctions的实现见下面代码。      if (c.getMultiplier() <= 0) {//multiplier是权重。        continue;      }      total += c.getMultiplier() * c.cost(cluster);//权重*当前维度的评分      if (total > previousCost) {        return total;      }    }    return total;  }//costFunctions 初始化    regionLoadFunctions = new CostFromRegionLoadFunction[] {      new ReadRequestCostFunction(conf),//读请求维度评分      new WriteRequestCostFunction(conf),//写请求维度评分      new MemstoreSizeCostFunction(conf),//memstore 大小维度评分      new StoreFileCostFunction(conf)//StoreFile 维度评分    };    costFunctions = new CostFunction[]{      new RegionCountSkewCostFunction(conf),//region 数目 维度评分      new MoveCostFunction(conf),//迁移region 维度评分      localityCost,//本地相关 维度评分      new TableSkewCostFunction(conf), //表 维度评分      regionLoadFunctions[0],      regionLoadFunctions[1],      regionLoadFunctions[2],      regionLoadFunctions[3],    };

 

取其中RegionCountSkewCostFunction 作为例子:

public static class RegionCountSkewCostFunction extends CostFunction {    private static final String REGION_COUNT_SKEW_COST_KEY =        "hbase.master.balancer.stochastic.regionCountCost";    private static final float DEFAULT_REGION_COUNT_SKEW_COST = 500;//默认权重为500    private double[] stats = null;    RegionCountSkewCostFunction(Configuration conf) {      super(conf);      // Load multiplier should be the greatest as it is the most general way to balance data.      this.setMultiplier(conf.getFloat(REGION_COUNT_SKEW_COST_KEY, DEFAULT_REGION_COUNT_SKEW_COST));//设置权重    }
    @Override    double cost(Cluster cluster) {      if (stats == null || stats.length != cluster.numServers) {        stats = new double[cluster.numServers];      }      for (int i =0; i < cluster.numServers; i++) {        stats[i] = cluster.regionsPerServer[i].length;//当前维度是根据每个region server 的region数目作为评分标准。      }      return costFromArray(stats);    }  }    protected double costFromArray(double[] stats) {//根据某一维度，每个region server计算出来的评分      double totalCost = 0;      double total = getSum(stats);//计算总分      double mean = total/((double)stats.length);//获取每个region server的平均评分      double count = stats.length;//region server的总数      // Compute max as if all region servers had 0 and one had the sum of all costs.  This must be      // a zero sum cost for this to make sense.      //这里假设最坏的情况为（count-1）的region server的评分为0，剩下的一个region server 占有了所有的分数，也就是负载非常不均衡，全部压力都压到同一台region server上面了。计算出最大的差值max。      double max = ((count - 1) * mean) + (total - mean);      for (double n : stats) {//计算当前的差值        double diff = Math.abs(mean - n);        totalCost += diff;      }      double scaled =  scale(0, max, totalCost);//（最大差值/（当前差值-最小差值））      return scaled;    }

 

2.设置循环的次数和cluster的region server 的总数和region总数有关。最大值mapSteps为1000000。

  long computedMaxSteps = Math.min(this.maxSteps, ((long)cluster.numRegions * (long)this.stepsPerRegion (long)cluster.numServers)); 

 

3，4，5，6随机出一个策略，就是上面讲到的 RandomRegionPicker，LoadPicker，LocalityPicker 交换或迁移一次region再计算评分。如果评分比之前要低保留，否则还原。

 

7,8,9循环进行直到结束，产出List<RegionPlan>。交给assignment manager实际执行迁移region的操作。regionPlan的格式是这样子的：

RegionPlan rp = new RegionPlan(region, initialServer, newServer); //initialServer的region需要迁移到newServer

 

到此，负载均衡算法结束。在Hbase 0.94的版本里面，默认的负载均衡算法是使用SimpleLoadBalancer类，balanceCluster主要思路上，平均每个region server的region数目，维度相对来说比较单一，在StochasticLoadBalancer 中考虑的维度比较多，在0.96版本里面StochasticLoadBalancer作为了默认的负载均衡的算法的实现。https://issues.apache.org/jira/browse/HBASE-5959 这个patch的评论能看到StochasticLoadBalancer的提交的过程。