本文根据阿里云技术专家郭泽晖在中国HBase技术社区第3届MeetUp杭州站中分享的《云上HBase冷热分离实践》编辑整理而成。

今天分享的内容分为两个方面，首先会介绍下冷数据的经典场景，以及如果使用开源的HBase应该如何实现，最后介绍下HBase在云端的实现方案。

冷数据定义就是访问比较少，其访问频次可能会随时间流逝而减少。如你在淘宝买的东西产生的很久以前的订单信息你可能不会去看，还有一些监控数据，当业务有问题你肯定是查最近一小时或者半天的数据，但是半年前的数据你根本访问不到。还有车联网数据一般需要保存多久，这些数据如果政府不查基本很难访问。还有一些归档信息，如银行交易记录归档信息。

我们云服务上对冷数据的定义依据成本估算而言，平均每月访问不会超过十万次，我们认为是比较冷的数据，同时对成本敏感的数据也可以做冷热分离。

传统方案1.x版本的解决方案是采用两个集群，一个集群可能是SSD的配置，负责在线查询，延迟较低，还有一种是HDD的配置。但是这两张表之间需要进行一个同步，客户端需要感知两个集群的配置。优点是简单不需要改HBase代码，缺点是双集群维护开销大，还有就是冷集群CPU资源可能浪费。2.X版本引入一个配置，就是你可以指定表的hfile存在哪种介质上。主要是利用率HDFS分级处理功能，可以给DataNode配置不同介质的盘，可以指定表写在冷介质还是热介质上，最后在HDFS上可以依据你设置在文件上的属性决定是将数据放在机械盘还是SSD上。这样一个集群可以存在冷表和热表，这样相对于1.X版本更好管理，但是缺点是因为你要依据你的业务在集群硬件配置，这样如果一个集群混合多种业务或者业务发生变化，几群的硬件配置很难调整。

因此在云端解决方案是一个比较弹性的方案，在介绍之前先介绍下我们云端HBase。云HBase是一个存储计算完全分离的架构，底层是存储，今天主要讲冷存储，云端regionserver访问部署的节点，磁盘都是远程读的。因此磁盘大小是可以动态设置的，完全弹性。多模式是HBase云端之上除了HBase本身kv功能，还架设很多开源组件，如phoenix做一些简单的查询分析。Graph主要是应用一些欺诈场景，这个在国外比较成熟，如伪造车祸骗取保险，而图可以分析一个关系网，能够预防这种情况。openTSDB主要是物联网、车联网这些场景使用，geospatial是时空数据库，主要应用在轨迹场景。底下存储层主要是有两块，热数据或一般数据会放在云盘，冷数据是放在OSS。整个模式是一个免运维模式，上来可以直接用。

接下来介绍下OSS如何做冷存储，并没有给磁盘配置具体数目，冷表数据是直接放在OSS上，同一个集群也能实现冷表和热表。OSS是阿里的一个对象存储产品，也是一个k-v存储，特点是可以存大对象，可以达到TB级别，同时保证99%的数据可靠性，而且成本非常低。成本和云盘对比，云盘本身也保证数据可靠性，在云上自建HBase、HDFS用两副本就可以，以为你需要一个副本保证数据读取可靠性，否则一台机器宕机所有机器都挂掉。当使用云盘需要0.7，OSS只需要0.2。举例说明如某车企拥有10万辆车，每车每30秒上传7kb的包，数据半年基本不访问，三年基本存储量是2P左右，那么成本开销相差2.5倍。

如果在阿里云上使用OSS作为HBase的底层存储，Hadoop社区 Native Oss File System已经实现，这个类是继承File System，这样你可以直接替换掉，这样你的读写会直接转发到OSS上，也可以享受OSS低成本特性。但是存在几个问题，一个是Native Oss File System针对的是MapReduce离线作业场景实现，在模拟文件系统过程中会有几个问题。因为OSS是k-v存储，没有文件系统结构，“/”字符并不代表目录，只是代表对象名中某一字符。如果要模拟文件系统创建“/root/parent/son/file”,你需要创建图中右边四个对象才能模拟出目录结构，这样就导致你对目录操作不是原子的。比如你要讲“/root/parent”root到其他地方，原本是直接移走，而社区 Native Oss File System实现是一个遍历递归的过程，如果server在mv操作时中途crash只会移走一部分，导致目录文件不一致。

我们自己实现Oss File System方案，这种能避免原子问题。解决方案是将元数据管理还是放在HDFS上，在APP调用Hadoop File System实际是调用Apsara Distributed File System，这个实现会控制你的文件调用Oss File System就将其放到OSS里面，调Distributed File System就将其放到HDFS里面，hlog也是放在HDFS里面，主要考虑的是一个写入性能。

元数据操作通过Apsara FileSystem通过请求操作，如果是热表数据就是直接调Hadoop的FileSystem，直接构造HDFSoutputstream或者HDFSinputStream进行读写。如果是冷数据会在HDFS里创建一个冷文件，利用Hadoop分级存储功能会有一个属性标记，这个文件存储也是保证原子的。读取冷文件时将读的通道转发到OSS上，然后构建一个OSSinputstream和OSSoutputstream。

性能上和社区版比较也做了一些优化，实现上会有一些限制，请求OSS是有费用的，Hadoop File System是提供OutputStream接口输入数据，不断调write接口将数据写进去，OSS的sdk提供的是一个InputStream让数据输入。实现Hadoop filestream接口来嫁接到OSS上必须做一个OutputStream到InputStream的转化，社区版实现是将数据写到native OSS OutputStream里，实际是写到磁盘上，实际有个buffer文件，写满128M将其包装成file InputStream提交给OSS的SDK，会有一个异步线程池来提交buffer文件。这样存在的问题是写入过程需要入磁盘，会损耗性能；第二比较依赖磁盘性能，异步发送buffer会变成一个单线程；crash会残留这些文件，对运维比较麻烦。

我们实现版本写入是不在磁盘落地，中间会有一个ring buffer（只有几M），用户写入到ring buffer里，里面由固定数量配置组成，有5个配置。蓝色是写入，绿色有一个异步线程将蓝色写好的数据读取出来包装成inputstream，相当于实时源源不断类似于流的形式。每当inputstream被OSS的SDK读完128M，将数据提交，然后再有数据写入再包装成inputstream。成本上都相当于128M提交一次，请求成本很低，但是写入完全不需要落地磁盘，占用内存开销也很少。性能测试写入吞吐差25%，我的valuesize只有100B。

在HBase使用这个特性，建表的时候配一下config，create 'test', {NAME => 'info'}, CONFIGURATION => {'HFILE_STORAGE_POLICY'=>'COLD'}将表变为冷表，那么所有数据都会存在OSS里面。冷存储使用场景建议是写多读少、顺序读，如果持续读会限制存储读的lops，请求是有成本的，每get一次需要到文件上seek一次，等于发生一次请求到OSS。如果是顺序读或者是写入流量不限，写入的tds也是不限的，如果冷数据很少读只是偶尔读lops会适当放宽机制。

对比将表放在OSS和放在云盘上，测试配置DFS 6台8核32G Data Node HBase 1台8核32G Region Server，对比TPS是相差不大，略高一点是因为hlog也是在云盘上，hfile流量是打在云盘上。虽然定义为冷存储，但是写入吞吐量是和云盘茌平的。

除了冷存储特性，还有一些其他特性，如企业级安全，除了白名单机制还做了一个基于VPC机制的ECS方案，通过User/Password模式访问云HBASE。还准备推出一种双活模式，满足集群级别的容灾，一个机房出错其他机房不受影响。异步同步保持数据一致性，再者在切换时，延迟不超过200ms。

上图列举了云HBase和自建HBase的一些特性，如果关注社区的可以看到有个ccsmap会替换现在mainstore结构，目前mainstore数据结构是region列表，如果记录很多会存在很多对象，这样对YGC压力很大。Ccsmap使用数组连模拟这个列表，理论上能将YGC延迟降到5ms，社区版本会有100ms延迟。

作者介绍：

郭泽晖（花名：索月），阿里云技术专家，HBase contributor，负责云HBase平台设计&开发。

——END——