MrTitan的专栏

要想很好的理解HBase的代码，Debug Hbase的源码是最简单的方式，但很可惜的是HBase不能在Windows上运行（除非cygwin），即使用cygwin配置起来也很麻烦。而且即使用cygwin，HBase中最核心最关键的代码region部分也很难debug。不过，本文提供的方法可以轻松在本地创建region对象，然后就可以直接调用方法进行debug啦。首先说下原理：

在使用hbase过程中发现在写入hbase的数据量很大时，经常发生写不进去的情况。而我们基于hbase的应用是对实时性要求很高的，一旦hbase不能读写则会大大影响系统的使用。下面将记录hbase写优化的过程。1.禁止Major Compaction在hbase进行Major Compaction时，该region将合并所有的storefile，因此整个region都不可读，所有对

接上篇文章，下面是reduce端的过程分析。大概介绍下reduce的实际作用。以mapreduce经常做的groupby为例，map是将输入按group by的key排序，reduce就是做各种类型的聚合，比如sum，max，mean等。因此，可想而知，reduce的输入必须是按照groupby排序的，所以自然，reduce的输入必须汇聚所有map的输入，这也是reduce框架最复杂的

首先要推荐一下：http://www.alidata.org/archives/1470阿里的大牛在上面的文章中比较详细的介绍了shuffle过程中mapper和reduce的每个过程，强烈推荐先读一下。 不过，上文没有写明一些实现的细节，比如：spill的过程，mapper生成文件的partition是怎么做的等等，相信有很多人跟我一样在看了上面的文章后还是有很多疑问，我也是带着疑问

这2周主要将项目中写hbase的模块中原来的异步hbaseclient改写成了使用hbase原生的HTable对象。大概总结下改写过程中和hj，xingchao发现的问题和解决方法。 1.HTablePool的基本使用方式：由于HTable对象不是线程安全的，因此HBase提供HTablePool来支持多线程写入hbase，多线程同时从HTablePool中取出HTable并写入是安全

和同事花了1天时间把hadoop和hbase的所有metric全部解释了一遍，记录一下：系统参数监控metricsload_one            每分钟的系统平均负载load_fifteen        每15分钟的系统平均负载load_five           每5分钟的系统平均负载boottime            系统

在工作过程中，经常需要调整一些hadoop的参数配置，所以经常会遇到各种各样的问题。比如改了个配置怎么突然namenode起不来啦，加了个jar包怎么让hadoop的jvm加载啊，如何设定log目录啦等等，每次都需要仔细的查一遍启动脚本才能找到原因，费时又费力，因此专门总结了一下以便不时之需。 cloudera的hadoop的启动脚本写的异常复杂和零散，各种shell脚本分散在系统的各个角

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

上篇文章分析了hadoop写文件的流程，既然明白了文件是怎么写入的，再来理解读就顺畅一些了。 同样的，本文主要探讨客户端的实现，同样的，我依然推荐读一下http://www.cnblogs.com/duguguiyu/archive/2009/02/22/1396034.html，读文件的大致流程如下：不论是文件读取，还是文件的写入，主控服务器扮演的都是中介的角色。客户端把自己的需

本文将剖析写入hadoop的java接口是如何实现的写入文件的。本文不会重点剖析namenode和datanode段是如何处理，而是专注在客户端的处理上。 背景知识：简单介绍写文件client-namenode-datanode流程（单纯了解hadoop此文足矣。。。）：http://www.cnblogs.com/duguguiyu/archive/2009/02/22/1396034.

在对hbase有了一点了解后最近开始学习hadoop的相关源码，首先看了下某高人的hadoop源码分析系列http://caibinbupt.iteye.com/blog/monthblog/2008-11，看了三十几篇停了，有些看不懂，虽然代码解释的比较细但类实在太多，想一下子理清思路比较难。果断使用学习hbase时的方法，把hadoop最原始的化石版本0.1.0搞来看看，本文将介绍nameno

首先，还是拿出一张Hbase自带的结构图：HBase采用了LSM-Tree来解决数据存储问题。其中有几个核心数据结构：HRegion：一个独立的数据存储单元。存储从startkey-endkey的所有数据。HRegion中会根据每个columnfamily生成一个HStore对象HStore：存储了hbase中每个columnfamily的数据记录。数据结构上主要包括一个Memst

put的过程相对比较简单，因为根据LSM-Tree的理论，写入操作会写入到内存中，然后再batch的写入磁盘。HBase的实现也是如此。首先，从客户端的batch操作中提取出所有的put操作并放在一个sortedmap中（localput）：Text row = b.getRow(); long lockid = obtainRowLock(row); lon

这篇文章将会分析和总结Flush流程的实现。Flush是LSM-Tree重要的实现步骤，对应理解hbase非常关键。简单来说，flush就是把内存中的数据flush到磁盘上，那么具体是怎么实现的纳？首先，regionserver在适当的时机调用region.flushcache。步骤如下：lock.readLock().lock(); //

接触HBase2个月了，公司使用了0.92版本，大概浏览过代码，对于我等菜鸟来说过于复杂，入门甚难，故找来最原始的版本来看看，顺便瞻仰下当年大神的原迹。 原始版本可以在github上找到，在以后的几篇文章中笔者也将仔细的分析HBase中几个比较重要类的逻辑。 Master初始化1.查看是hdfs文件系统，如果是则等待hdfs退出safemode this.fs = File

大家都知道HBase的一个重要特性就是split，split通常情况下是自动执行的，而trigger条件就是region的size到达一定大小。那么到底这个大小是多少纳？ 笔者google了一些文章，不少文章说是256M，但也有一些说是1G。那么到底是多少纳? HBase是支持设置Table级别的splitsize的，HTableDescriptor类里读取FileSize的代码如

从这篇文章开始终于要讨论比较正常版本的hbase了---0.92.1~~  Scan是hbase提供的非常重要的功能之一，我们的hbase分析系列就从这儿开始吧。 首先，我们有一些background的知识需要了解:1.HBase是如何区分不同记录的，大家可以参考http://punishzhou.iteye.com/blog/1266341，讲的比较详细2.Region，

在工作中大家对hbase的bloom filter是否能作用于scan展开讨论。在没讨论前，我还真没想过这个问题，想当然的以为bloom filter肯定可以为scan剔除掉不需要的hfile。但Google了下才发现事实不是如此！首先，学习了以下2篇文章：hbase对bf的理解和使用http://zjushch.iteye.com/blog/1530143hbase的主要

接着前一篇 从MergeSort看HBase 一：http://blog.youkuaiyun.com/mrtitan/article/details/8457080 在hbase中scan是最核心的算法，从直接的读操作get，scan到一些hbase的大操作compact、split、flush都是使用各种各样的scanner实现的，可以说region的一切读操作都是scan。scan的实现可以参考

Docker Swarm原理大解密Docker Swarm是docker公司2014年出品的基于docker的集群管理调度工具，官方文档地址：https://docs.docker.com/swarm/overview/。Swarm能够把多台主机构建成一个docker的集群，用户可以只和swarm api操作来管理多个主机上的docker，再结合上Overlay的网络实现简单的容器调度和互访。Doc