hadoop - HBase on Hadoop，数据局部性深潜

Question

我已经阅读了多篇关于 HBase 如何获得数据局部性的文章，即 link 或HBase 权威指南一书。

我了解到，在重写 HFile 时，Hadoop 会在同一台机器上写入 block ，这实际上是在 Hadoop 上进行压缩并创建更大文件的同一台区域服务器。一切都很好理解。

问题:

1. 假设区域服务器有一个区域文件 (HFile)，该文件在 Hadoop 上被拆分为多个 block ，即 A、B、C。这是否意味着所有 block (A、B、C)都将写入同一区域服务器？

2. 如果压缩后的 HFile 有 10 个 block (大文件)，但区域服务器没有存储所有 block ，会发生什么情况？这是否意味着我们失去了数据局部性，因为这些 block 将写入其他机器？

感谢您的帮助。

Answer 1

HBase 使用 HDFS API 将数据写入分布式文件系统 (HDFS)。我知道这会增加您对数据局部性的怀疑。 当客户端使用 hdfs API 将数据写入 HDFS 时，它确保将数据的副本写入本地数据节点(如果适用)，然后进行复制。 现在我来回答你的问题，

1. 是的。由特定 RegionServer(RS) 写入的 HFile( block )驻留在本地数据节点中，直到它被 HMaster 移动以进行负载平衡或恢复(将在主要压缩时返回)。因此 block A、B、C 将位于同一区域服务器中。

2. 是的。这可能会发生。但是我们可以通过在创建时为 HBase 表的每个区域配置区域开始和结束键来控制相同的情况，这允许数据在集群中均匀分布。

希望这对您有所帮助。