HBase之CF持久化系列(续1)

　　这一节本来打算讲解HRegion的初始化过程中一些比较复杂的流程。不过，考虑前面的博文做的铺垫并不够，因此，在这一节，我还是特意来介绍HBase的CF持久化。关于这个话题的整体流程性分析在博文《HBase数据持久化之HRegion.flushcache即CF持久化》中已经介绍过，大家最好先看一下我的上篇博文，然后再看这个系列(这个系列我预计会通过三篇博文来详细讲解)。可以说，《HBase数据持久化之HRegion.flushcache即CF持久化》是CF持久化的概述，而本节是CF持久化过程中关键流程的一个详细描述。由于该系列比较复杂，因此，该系列中涉及到WAL的知识点或者其他的无关的知识点我都略过，单就介绍CF持久化的相关信息。

　　由于在上篇博文中，我已经将HRegion.internalPrepareFlushCache流程讲解的比较详细，因此，该系列的三篇文章都从HRegion.internalFlushCacheAndCommit讲起。

　　由于在博文《HBase数据持久化之HRegion.flushcache即CF持久化》中已经介绍过方法HRegion.internalFlushCacheAndCommit中的一些流程，但是某些方法讲的比较粗略。因此，我在这一节从DefaultStoreFlusher.flushSnapshot方法讲起，下一节从StoreFlusher.finalizeWriter开始讲起，第三节我将分析HStore.validateStoreFile。至于CF持久化流程中涉及到其他知识点的，我会在CF持久化系列(杂记)中一一介绍。

　　在这一节，我不再粘贴大量的图，尽量使用文字来进行描述，必要的时候，我会贴图来说明。虽然这样说，但是，由于该系列比较复杂，因此，在本篇博客，我可能还是会贴不少的图。

　　首先，让我们来到流程性的方法DefaultStoreFlusher.flushSnapshot。这里有几个关键的步骤。

　　1.调用内部的createScanner方法，构造了StoreScanner，这里是本节的一个重点。

　　2.调用HStore.createWriterInTmp方法构建了一个StoreFileWriter，该方法的流程在本节中比较复杂，但其功能可以比较简单的概括——确定CF的目录文件，并且在其目录文件上创建对应的输入流(这里我们只讨论文件系统为HDFS的情况)

　　3.调用内部的performFlush，将每一行信息写入到上面创建的StoreFileWriter.HFileWriterImpl.HFileBlock.Writer.userDataStream(大家这里看的可能比较懵逼，没有关系，耐心往后面看，这里是本节的重点，在这里有一个印象就好)。

　　4.调用内部的finalizeWriter方法，该方法将上一步中保存的行信息写入到HFileWriterImpl.outputStream，包括布隆过滤器的值，blockIndex、File info、FixedFileTrailer中的信息。

　　5.将上面获取到的store.scanInfo关闭

　　6.将CF的目录保存到待返回的结果值中。

　　在createScanner方法内部，主要调用了StoreScanner构造方法，如下图所示。这里相对比较复杂。

　　1.调用了内部的另外一个构造方法，完成部分成员变量的初始化。

　　2.调用selectScannersFrom，会根据TLL等条件筛选出一部分scanners

　　3.调用seekScanners，这里将根据matcher.getStartKey()中的row与family筛选出该scanner。由于其内部使用了NavigableMap类型，以传入的matcher.getStartKey()为NavigableMap.tailMap的入参，就可以获得大于等于该值的所有cell。该方法的主要作用就是遍历入参scanners，并且初始化每个scanner中的关键性成员变量iter与current。这里的具体流程我在接下来还会着重讲解。

　　4.调用addCurrentScanners将入参scanners中的值都添加到其成员变量currentScanners中。

　　5.调用resetKVHeap初始化了成员变量heap。这里的具体流程我也会着重讲解。

　　首先，让我们分析方法seekScanners。在该方法内部值得注意的方法是调用了scanner.seek(scanner类型为SegmentScanner)，这里的seek方法就是用于初始化scanner的成员变量iter与current。

　　让我们来到SegmentScanner.seek，如下图所示，这里有两个比较重要的方法——getIterator、updateCurrent。

　　1.这里的getIterator方法比较琐碎，细讲吧，有种鸡肋的感觉，不细讲吧，却是一个知识点。不过，为了后面方便理解，我还是不偷懒了，为大家细细讲解一番。

　　2.调用updateCurrent，获得上面iter.next值，并赋给成员变量current。

　　这里首先介绍方法getIterator，如下图所示。这里调用了Segment.tailSet。

　　接下来让我们来到Segment.tailSet。如下图所示。这里调用getCellSet方法获得成员变量cellSet中的值，其cellSet类型为AtomicReference。然后调用CellSet.tailSet。

　　然后，我们来到CellSet.tailSet，如下图所示。这里我需要说明一点CellSet实现了接口java.util.NavigableSet，而且这里的delegatee类型为NavigableMap。也就是说，这里将delegatee中大于等于(入参inclusive为true)fromElement的值封装为NavigableSet返回，并且作为新构建的CellSet的入参。

　　到这里getIterator方法的流程就介绍完了。至此，我们也明白了，返回的iterator就是新构建的CellSet.iterator。

　　接下来，让我们来到updateCurrent。如下图所示。看到这里，我相信大家就明白许多了。没错，这里迭代iterator，将其中符合条件的值赋给了成员变量current。

　　然后，调用方法resetKVHeap，将刚刚初始化好的scanners封装到KeyValueHeap中，并赋给成员变量heap。

　　这里，让我们简单看一下KeyValueHeap的构造函数，有利于我们在后面的理解。如下图所示，这里初始化了其成员变量heap，并且将入参中的scanners一一添加到成员变量heap中。然后调用方法pollRealKV，将其返回值用于初始化成员变量current。

　　在HStore.createWriterInTmp方法中主要构建了StoreFileWriter。首先，让我们来到StoreFileWriter.Builder.build方法。

　　1.这里首先查看CF所在的目录是否存在，如果不存在，则创建。

　　2.在CF所在目录下指定随机文件，该文件名通过UUID随机生成(注：这里并没有创建文件)。

　　3.调用StoreFileWriter的构造方法。

　　然后，来到StoreFileWriter的构造方法：

　　1.其内部首先通过HFile.WriterFactory创建了HFileWriterImpl。

　　2.调用BloomFilterFactory.createGeneralBloomAtWrite创建CompoundBloomFilterWriter，并且赋给成员变量generalBloomFilterWriter

　　3.这里我们分析传入的bloomType为ROW的，可以看到，其使用刚刚创建的generalBloomFilterWriter构建了RowBloomContext

　　4.同样，调用BloomFilterFactory.createGeneralBloomAtWrite创建CompoundBloomFilterWriter，赋给成员变量deleteFamilyBloomFilterWriter。

　　上面流程中，最主要的是创建了HFileWriterImpl。接下来让我们来到HFile.WriterFactory.create。

　　1.调用HFileWriterImpl.createOutputStream创建并获得文件的输出流，注意，这里的文件就是在StoreFileWriter.Builder.build中构建的文件。

　　在这里我们只关心文件系统为HDFS的情况。这里内部会调用FSUtils.create。如下图所示，这里通过反射方式调用了DistributedFileSystem.create方法。

　　2.调用HFileWriterImpl构造方法。注意，这里将刚刚获得的输出流传入了HFileWriterImpl的构造方法中(这里是重点，我在后面将详细讲解)。

　　让我们来到HFileWriterImpl的构造方法中，如下图所示。

　　1.这里将传入的输出流赋给了成员变量outputStream

　　2.然后将NoOpDataBlockEncoder.INSTANCE赋给成员变量blockEncoder

　　3.调用了内部方法finishInit，完成了另一部分成员变量的初始化

　　来到finishInit，如下图所示，这里连续完成了成员变量blockWriter、dataBlockIndexWriter、metaBlockIndexWriter的初始化。这里，我要着重讲一下HFileBlock.Writer构造函数。

　　接下来让我们来到HFileBlock.Writer的构造函数。如下图所示，这里将传入的dataBlockEncoder赋给了成员变量dataBlockEncoder。另外，分别初始化了dataBlockEncodingCtx、defaultBlockEncodingCtx。由于这里的dataBlockEncoder实际类型为NoOpDataBlockEncoder，因此，这两个成员变量最后调用的方法其实是一样的，都调用了HFileBlockDefaultEncodingContext构造方法。然后初始化了成员变量baosInMemory，而这个成员变量可以说是本节的核心。

　　至此，我们就完成了StoreFileWriter的初始化过程。也就是本节的主线——HStore.createWriterInTmp方法调用完成。

　　然后，来到StoreFlusher.performFlush。

　　1.调用scanner.next，获取下一条行数据，并且在其方法内部调用了heap.next，更新了heap.KeyValueScanner.current的值。这里的scanner类型为StoreScanner，也正是文章一开始构造的那个StoreScanner。该方法的详细流程我还会在后面谈到。

　　2.接下来调用sink.append方法，将入参c中的cell信息写入到sink中。大家还记得这里的sink吗，他的实际类型是我在上面谈到的StoreFileWriter。该方法比较复杂，也是本节中的重点之一，我将在后面讲解。

　　3.将kvs中的值清空，以便下一次迭代。

　　让我们首先来到scanner.next，也就是StoreScanner.next的详细流程。该方法比较长，为了避免讲解混乱，我这里就只介绍方法调用中比较重要的两个方法——heap.peek、heap.next。这里的heap类型为KeyValueHeap。因此，我们来到KeyValueHeap.peek与KeyValueHeap.next方法，如下图所示。大家可能忘记了这里的current的实际类型，我简单提醒一下，他的实际类型是文章开始谈到的SegmentScanner。

　　1.调用SegmentScanner.peek，获取其成员变量current的值。

　　2.调用SegmentScanner.next，其内部调用了方法updateCurrent(我在上面已经提到过)，他的作用是更新内部成员变量current的值。

　　接着，让我们来到sink.append，也就是StoreFileWriter.append。该方法是本节中最为复杂的，希望大家特别留意。让我们来到其方法内部，如下图所示。

　　1.首先调用appendGeneralBloomfilter，其内部调用了bloomContext.writeBloom(上面分析过，这里的bloomContext类型为RowBloomContext)，这里的内容我接下来会详细讲解。

　　2.调用writer.append。这里的调用将cell值写入到HFileBlock.Writer.userDataStream(也就是上面提到的)。至于详细的流程，我会详细讲解。

　　首先，让我们关注appendGeneralBloomfilter。其内部的调用比较简单，调用了bloomContext.writeBloom，这里的bloomContext类型为RowBloomContext，其内部的bloomFilterWriter类型为CompoundBloomFilterWriter。在方法bloomContext.writeBloom中调用了bloomFilterWriter.append。因此，让我们来到CompoundBloomFilterWriter.append，如下图所示。

　　1.这里首先调用enqueueReadyChunk，以确保成员变量chunk仍然有空间写入，如果没有，则将其封装到ReadyChunk中，然后加入到成员队列readyChunks中，并将chunk置空，以期后面的调用将其重新分配。

　　2.如果成员变量chunk为空，则将当前cell值copy并赋给成员变量firstKeyInChunk

　　3.调用allocateNewChunk，这里比较重要，后面我还是简单讲一下。

　　4.将入参cell加入到chunk中，需要注意的是这里的cell类型为BloomFilterChunk。关于这里的布隆过滤器的使用，我将在后面专门拿出一章来讲解。这里就不详细介绍了。

　　让我们来到allocateNewChunk，如下图所示。看到这里，相信大家就很清楚了。这里首先构建了BloomFilterChunk(在BloomFilterUtil.createBySize方法内)，然后调用chunk.allocBloom，为chunk内部的bloom(ByteBuffer类型)分配指定的字节。

　　到此，大家对于其中的bloomContext.writeBloom方法应该有了一个比较明确的了解。

　　接下来，我来为大家详细介绍writer.append，也就是HFileWriterImpl.append。如下图所示。

　　1.由于这是首次写入，因此这里会调用newBlock，这里主要是后面blockWriter.write的调用做准备，具体的细节还是比较重要的，我将放在后面来讲解。

　　2.调用blockWriter.write方法，将cell信息写入HFileBlock.userDataStream(这里比较重要)。

　　3.判断是否将入参cell赋给成员变量firstCellInBlock

　　4.将入参cell赋给成员变量lastCell

　　让我们首先关注方法newBlock。在其内部主要调用了blockWriter.startWriting(BlockType.DATA)，这里的入参为BlockType.DATA，需要格外注意。让我们来到HFileBlock.startWriting。

　　1.这里的baosInMemory在Writer构造时已经实现了初始化。这里调用其reset，为下一次完整的写入做准备。

　　2.调用baosInMemory.write，这里已经开始写入。而HConstants.HFILEBLOCK_DUMMY_HEADER是一个空的header。在后面调用finishBlock中，会将这里的内容填充(这里的具体内容我会在后面finishBlock中分析，大家有一个概念就好)。

　　3.将baosInMemory封装到userDataStream，后面都会通过userDataStream将内容简介写入baosInMemory。看到这里，大家可能就会明白我在上面提到的StoreFileWriter.HFileWriterImpl.HFileBlock.Writer.userDataStream。不清楚也没有关系，后面我还会详细讲解，这里是本节的重点。

　　4.由于入参格式为BlockType.DATA，因此这里会调用dataBlockEncoder.startBlockEncoding。这里完成了dataBlockEncodingCtx.encoderState的初始化，为后面将cell写入userDataStream做前期准备。由于我们这里的dataBlockEncoder类型为NoOpDataBlockEncoder，因此，接下来，我们来到NoOpDataBlockEncoder.startBlockEncoding。这里需要注意的是，第一个入参为成员变量dataBlockEncodingCtx，二个入参为封装了baosInMemory的userDataStream。后面还会用到这两个变量，希望大家紧记。

　　如下图所示，我们来到NoOpDataBlockEncoder.startBlockEncoding。

　　1.这里将入参中的out封装到新构造的encoder

　　2.将封装了刚刚构造的encoder封装并赋给入参blkEncodingCtx.encoderState，也就是说，这里的blkEncodingCtx.encoderState将入参中的out也封装进去了。

　　到这里，方法newBlock的调用就完成了，这里主要为后面数据的写入做了前期的准备。

　　接下来我们来分析blockWriter.write。

　　1.这里的userDataStream的就是上面刚刚构造的，其封装了baosInMemory

　　2.调用了dataBlockEncoder.encode，这里的第二个入参就是上面介绍的成员变量dataBlockEncodingCtx。当然，这里的dataBlockEncoder类型为NoOpDataBlockEncoder。

　　因此，接下来，让我们来到NoOpDataBlockEncoder.encode。如下图所示，这里获得入参的encodingCtx.encoderState。然后获取其encoder，并且调用encoder.write。

　　让我们来到NoneEncoder.write，如下图所示。这里我将其中的构造方法也顺带粘了过来。这里调用KeyValueUtil.oswrite。这里的out就是上面的userDataStream。

　　在KeyValueUtil.oswrite完成了将cell中内容写入到out的功能。其流程还是一个知识点，我这里还是讲解一番。

　　我这里只介绍入参cell类型为NoTagByteBufferChunkKeyValue。在KeyValueUtil.oswrite方法中，由于NoTagByteBufferChunkKeyValue实现了ExtendedCell接口。

　　因此，在KeyValueUtil.oswrite方法中，仅仅调用了((ExtendedCell)cell).write(out, withTags)方法。如下图所示，这里调用了ByteBufferUtils.copyBufferToStream(该方法会多次调用)。

　　接下来让我们来到ByteBufferUtils.copyBufferToStream。这里的入参out类型为ByteBufferWriterDataOutputStream，其实现了ByteBufferWriter接口。因此，这里调用了ByteBufferWriterDataOutputStream.write方法。

　　让我们来到ByteBufferWriterDataOutputStream.write。如下图所示，这里又调用了上面的方法ByteBufferUtils.copyBufferToStream，不过这里的out类型与上面的out的类型不同了，这里的out类型为ByteArrayOutputStream。也就是上面提到的userDataStream封装的baosInMemory。也就是说，这里然后调用了ByteArrayOutputStream.write。让我们进一步分析。