go-hbase的Scan模型源码分析
2016-11-18 10:35 轩脉刃 阅读(2459) 评论(0) 编辑 收藏 举报git地址在这里:
https://github.com/Lazyshot/go-hbase
这是一个使用go操作hbase的行为。
分析scan行为
如何使用scan看下面这个例子,伪代码如下:
func scan(phone string, start time.Time, end time.Time) ([]Loc, error) {
...
client := hbase.NewClient(zks, "/hbase")
client.SetLogLevel("DEBUG")
scan := client.Scan(table)
scan.StartRow = []byte(phone + strconv.Itoa(int(end.Unix())))
scan.StopRow = []byte(phone + strconv.Itoa(int(start.Unix())))
var locs []Loc
scan.Map(func(ret *hbase.ResultRow) {
var loc Loc
for _, v := range ret.Columns {
switch v.ColumnName {
case "lbs:phone":
loc.Phone = v.Value.String()
case "lbs:lat":
loc.Lat = v.Value.String()
...
}
}
locs = append(locs, loc)
})
return locs, nil
}
首先是NewClient, 返回的结构是hbase.Client, 这个结构代表的是与hbase服务端交互的客户端实体。
这里没有什么好看的,倒是有一点要注意,在NewClient的时候,里面的zkRootReginPath是写死的,就是说hbase在zk中的地址是固定的。当然这个也是默认的。
func NewClient(zkHosts []string, zkRoot string) *Client {
cl := &Client{
zkHosts: zkHosts,
zkRoot: zkRoot,
zkRootRegionPath: "/meta-region-server",
servers: make(map[string]*connection),
cachedRegionLocations: make(map[string]map[string]*regionInfo),
prefetched: make(map[string]bool),
maxRetries: max_action_retries,
}
cl.initZk()
return cl
}
下面是client.Scan
client.Scan
返回的是
func newScan(table []byte, client *Client) *Scan {
return &Scan{
client: client,
table: table,
nextStartRow: nil,
families: make([][]byte, 0),
qualifiers: make([][][]byte, 0),
numCached: 100,
closed: false,
timeRange: nil,
}
}
scan结构:
type Scan struct {
client *Client
id uint64
table []byte
StartRow []byte
StopRow []byte
families [][]byte
qualifiers [][][]byte
nextStartRow []byte
numCached int
closed bool
//for filters
timeRange *TimeRange
location *regionInfo
server *connection
}
设置了开始位置,结束位置,就可以进行Map操作了。
func (s *Scan) Map(f func(*ResultRow)) {
for {
results := s.next()
if results == nil {
break
}
for _, v := range results {
f(v)
if s.closed {
return
}
}
}
}
这个map的参数是一个函数f,没有返回值。框架的行为就是一个大循环,不断调用s.next(),注意,这里s.next返回回来的result可能是由多条,然后把这个多条数据每条进行一次实际的函数调用。结束循环有两个方法,一个是next中再也取不到数据(数据已经取完了)。还有一个是s.closed呗设置为true。
s.next()
func (s *Scan) next() []*ResultRow {
startRow := s.nextStartRow
if startRow == nil {
startRow = s.StartRow
}
return s.getData(startRow)
}
这里其实是把startRow不断往前推进,但是每次从startRow获取多少数据呢?需要看getData
getData
最核心的流程如下:
func (s *Scan) getData(nextStart []byte) []*ResultRow {
...
server, location := s.getServerAndLocation(s.table, nextStart)
req := &proto.ScanRequest{
Region: &proto.RegionSpecifier{
Type: proto.RegionSpecifier_REGION_NAME.Enum(),
Value: []byte(location.name),
},
NumberOfRows: pb.Uint32(uint32(s.numCached)),
Scan: &proto.Scan{},
}
...
cl := newCall(req)
server.call(cl)
...
select {
case msg := <-cl.responseCh:
return s.processResponse(msg)
}
}
这里看到有一个s.numCached, 我们猜测这个是用来指定一次call请求调用回多少条数据的。
看call函数
func newCall(request pb.Message) *call {
var responseBuffer pb.Message
var methodName string
switch request.(type) {
...
case *proto.ScanRequest:
responseBuffer = &proto.ScanResponse{}
methodName = "Scan"
...
}
return &call{
methodName: methodName,
request: request,
responseBuffer: responseBuffer,
responseCh: make(chan pb.Message, 1),
}
}
type call struct {
id uint32
methodName string
request pb.Message
responseBuffer pb.Message
responseCh chan pb.Message
}
可以看出,这个call是一个有responseBuffer的实际调用者。
下面看server.Call
至于这里的server, 我们不看代码流程了,只需要知道最后他返回的是connection这么个结构
type connection struct {
connstr string
id int
name string
socket net.Conn
in *inputStream
calls map[int]*call
callId *atomicCounter
isMaster bool
}
创建是使用函数newConnection调用
func newConnection(connstr string, isMaster bool) (*connection, error) {
id := connectionIds.IncrAndGet()
log.Debug("Connecting to server[id=%d] [%s]", id, connstr)
socket, err := net.Dial("tcp", connstr)
if err != nil {
return nil, err
}
c := &connection{
connstr: connstr,
id: id,
name: fmt.Sprintf("connection(%s) id: %d", connstr, id),
socket: socket,
in: newInputStream(socket),
calls: make(map[int]*call),
callId: newAtomicCounter(),
isMaster: isMaster,
}
err = c.init()
if err != nil {
return nil, err
}
log.Debug("Initiated connection [id=%d] [%s]", id, connstr)
return c, nil
}
好,那么实际上就是调用connection.call(request *call)
func (c *connection) call(request *call) error {
id := c.callId.IncrAndGet()
rh := &proto.RequestHeader{
CallId: pb.Uint32(uint32(id)),
MethodName: pb.String(request.methodName),
RequestParam: pb.Bool(true),
}
request.setid(uint32(id))
bfrh := newOutputBuffer()
err := bfrh.WritePBMessage(rh)
...
bfr := newOutputBuffer()
err = bfr.WritePBMessage(request.request)
...
buf := newOutputBuffer()
buf.writeDelimitedBuffers(bfrh, bfr)
c.calls[id] = request
n, err := c.socket.Write(buf.Bytes())
...
}
逻辑就是先把requestHeader压入,再压入request.request
call只是完成了请求转换成byte传输到hbase服务端,在什么地方进行消息回收呢?
回到NewConnection的方法,里面有个connection.init()
func (c *connection) init() error {
err := c.writeHead()
if err != nil {
return err
}
err = c.writeConnectionHeader()
if err != nil {
return err
}
go c.processMessages()
return nil
}
这里go c.processMessage()
func (c *connection) processMessages() {
for {
msgs := c.in.processData()
if msgs == nil || len(msgs) == 0 || len(msgs[0]) == 0 {
continue
}
var rh proto.ResponseHeader
err := pb.Unmarshal(msgs[0], &rh)
if err != nil {
panic(err)
}
callId := rh.GetCallId()
call, ok := c.calls[int(callId)]
delete(c.calls, int(callId))
exception := rh.GetException()
if exception != nil {
call.complete(fmt.Errorf("Exception returned: %s\n%s", exception.GetExceptionClassName(), exception.GetStackTrace()), nil)
} else if len(msgs) == 2 {
call.complete(nil, msgs[1])
}
}
}
这里将它简化下:
func (c *connection) processMessages() {
for {
msgs := c.in.processData()
call.complete(nil, msgs[1])
}
}
c.in.processData
是在input_stream.go中
func (in *inputStream) processData() [][]byte {
nBytesExpecting, err := in.readInt32()
...
if nBytesExpecting > 0 {
buf, err := in.readN(nBytesExpecting)
if err != nil && err == io.EOF {
panic("Unexpected closed socket")
}
payloads := in.processMessage(buf)
if len(payloads) > 0 {
return payloads
}
}
return nil
}
先读取出一个int值,这个int值判断后面还有多少个bytes,再将后面的bytes读取进入到buf中,进行input_stream的processMessage处理。
我们这里还看到并没有执行我们map中定义的匿名方法。只是把消息解析出来了而已。
call.complete
func (c *call) complete(err error, response []byte) {
...
err2 := pb.Unmarshal(response, c.responseBuffer)
...
c.responseCh <- c.responseBuffer
}
这个函数有用的也就这两句话把responseBuffer里面的内容通过管道传递给responseCh
这里就看到getData的时候,被堵塞的地方
select {
case msg := <-cl.responseCh:
return s.processResponse(msg)
}
那么这里就有把获取到的responseCh的消息进行processResponse处理。
func (s *Scan) processResponse(response pb.Message) []*ResultRow {
...
results := res.GetResults()
n := len(results)
...
s.closeScan(s.server, s.location, s.id)
...
tbr := make([]*ResultRow, n)
for i, v := range results {
tbr[i] = newResultRow(v)
}
return tbr
}
这个函数并没有什么特别的行为,只是进行ResultRow的组装。
好吧,这个包有个地方可以优化,这个go-hbase的scan的时候,numCached默认是100,这个对于hbase来说太小了,完全可以调整大点,到2000~10000之间,你会发现scan的性能提升杠杠的。
实时了解作者更多技术文章,技术心得,请关注微信公众号“轩脉刃的刀光剑影”
本文基于署名-非商业性使用 3.0许可协议发布,欢迎转载,演绎,但是必须保留本文的署名叶剑峰(包含链接http://www.cnblogs.com/yjf512/),且不得用于商业目的。如您有任何疑问或者授权方面的协商,请与我联系。