众所周知，HBase默认适用于写多读少的应用，正是依赖于它相当出色的写入性能：一个100台RS的集群可以轻松地支撑每天10T的写入量。当然，为了支持更高吞吐量的写入，HBase还在不断地进行优化和修正，这篇文章结合0.98版本的源码全面地分析HBase的写入流程，全文分为三个部分，第一部分介绍客户端的写入流程，第二部分介绍服务器端的写入流程，最后再重点分析WAL的工作原理。
客户端流程解析
（1）用户提交put请求后，HBase客户端会将put请求添加到本地buffer中，符合一定条件就会通过AsyncProcess异步批量提交。HBase默认设置autoflush=true，表示put请求直接会提交给服务器进行处理；用户可以设置autoflush=false，这样的话put请求会首先放到本地buffer，等到本地buffer大小超过一定阈值（默认为2M，可以通过配置文件配置）之后才会提交。很显然，后者采用group commit机制提交请求，可以极大地提升写入性能，但是因为没有保护机制，如果客户端崩溃的话会导致提交的请求丢失。
（2）在提交之前，HBase会在元数据表.meta.中根据rowkey找到它们归属的region server，这个定位的过程是通过HConnection的locateRegion方法获得的。如果是批量请求的话还会把这些rowkey按照HRegionLocation分组，每个分组可以对应一次RPC请求。
（3）HBase会为每个HRegionLocation构造一个远程RPC请求MultiServerCallable<Row>，然后通过rpcCallerFactory.<MultiResponse> newCaller()执行调用，忽略掉失败重新提交和错误处理，客户端的提交操作到此结束。
服务器端流程解析
服务器端RegionServer接收到客户端的写入请求后，首先会反序列化为Put对象，然后执行各种检查操作，比如检查region是否是只读、memstore大小是否超过blockingMemstoreSize等。检查完成之后，就会执行如下核心操作：
（1）获取行锁、Region更新共享锁： HBase中使用行锁保证对同一行数据的更新都是互斥操作，用以保证更新的原子性，要么更新成功，要么失败。
（2）开始写事务：获取write number，用于实现MVCC，实现数据的非锁定读，在保证读写一致性的前提下提高读取性能。
（3）写缓存memstore：HBase中每列族都会对应一个store，用来存储该列数据。每个store都会有个写缓存memstore，用于缓存写入数据。HBase并不会直接将数据落盘，而是先写入缓存，等缓存满足一定大小之后再一起落盘。
（4）Append HLog：HBase使用WAL机制保证数据可靠性，即首先写日志再写缓存，即使发生宕机，也可以通过恢复HLog还原出原始数据。该步骤就是将数据构造为WALEdit对象，然后顺序写入HLog中，此时不需要执行sync操作。0.98版本采用了新的写线程模式实现HLog日志的写入，可以使得整个数据更新性能得到极大提升，具体原理见下一个章节。
（5）释放行锁以及共享锁
（6）Sync HLog：HLog真正sync到HDFS，在释放行锁之后执行sync操作是为了尽量减少持锁时间，提升写性能。如果Sync失败，执行回滚操作将memstore中已经写入的数据移除。
（7）结束写事务：此时该线程的更新操作才会对其他读请求可见，更新才实际生效。具体分析见文章《数据库事务系列－HBase行级事务模型》
（8）flush memstore：当写缓存满64M之后，会启动flush线程将数据刷新到硬盘。刷新操作涉及到HFile相关结构，后面会详细对此进行介绍。
WAL机制解析
WAL(Write-Ahead Logging)是一种高效的日志算法，几乎是所有非内存数据库提升写性能的不二法门，基本原理是在数据写入之前首先顺序写入日志，然后再写入缓存，等到缓存写满之后统一落盘。之所以能够提升写性能，是因为WAL将一次随机写转化为了一次顺序写加一次内存写。提升写性能的同时，WAL可以保证数据的可靠性，即在任何情况下数据不丢失。假如一次写入完成之后发生了宕机，即使所有缓存中的数据丢失，也可以通过恢复日志还原出丢失的数据。
WAL持久化等级
HBase中可以通过设置WAL的持久化等级决定是否开启WAL机制、以及HLog的落盘方式。WAL的持久化等级分为如下四个等级：
1. SKIP_WAL：只写缓存，不写HLog日志。这种方式因为只写内存，因此可以极大的提升写入性能，但是数据有丢失的风险。在实际应用过程中并不建议设置此等级，除非确认不要求数据的可靠性。
2. ASYNC_WAL：异步将数据写入HLog日志中。
3. SYNC_WAL：同步将数据写入日志文件中，需要注意的是数据只是被写入文件系统中，并没有真正落盘。
4. FSYNC_WAL：同步将数据写入日志文件并强制落盘。最严格的日志写入等级，可以保证数据不会丢失，但是性能相对比较差。
5. USER_DEFAULT：默认如果用户没有指定持久化等级，HBase使用SYNC_WAL等级持久化数据。
用户可以通过客户端设置WAL持久化等级，代码：put.setDurability(Durability. SYNC_WAL );
HLog数据结构
HBase中，WAL的实现类为HLog，每个Region Server拥有一个HLog日志，所有region的写入都是写到同一个HLog。下图表示同一个Region Server中的3个 region 共享一个HLog。当数据写入时，是将数据对<HLogKey,WALEdit>按照顺序追加到HLog中，以获取最好的写入性能。
上图中HLogKey主要存储了log sequence number，更新时间 write time，region name，表名table name以及cluster ids。其中log sequncece number作为HFile中一个重要的元数据，和HLog的生命周期息息相关，后续章节会详细介绍；region name和table name分别表征该段日志属于哪个region以及哪张表；cluster ids用于将日志复制到集群中其他机器上。
WALEdit用来表示一个事务中的更新集合，在之前的版本，如果一个事务中对一行row R中三列c1，c2，c3分别做了修改，那么hlog中会有3个对应的日志片段如下所示：
<logseq1-for-edit1>:<keyvalue-for-edit-c1>
<logseq2-for-edit2>:<keyvalue-for-edit-c2>
<logseq3-for-edit3>:<keyvalue-for-edit-c3>
然而，这种日志结构无法保证行级事务的原子性，假如刚好更新到c2之后发生宕机，那么就会产生只有部分日志写入成功的现象。为此，hbase将所有对同一行的更新操作都表示为一个记录，如下：
<logseq#-for-entire-txn>:<WALEdit-for-entire-txn>
其中WALEdit会被序列化为格式<-1, # of edits, <KeyValue>, <KeyValue>, <KeyValue>>，比如<-1, 3, <keyvalue-for-edit-c1>, <keyvalue-for-edit-c2>, <keyvalue-for-edit-c3>>，其中-1作为标示符表征这种新的日志结构。
WAL写入模型
了解了HLog的结构之后，我们就开始研究HLog的写入模型。HLog的写入可以分为三个阶段，首先将数据对<HLogKey,WALEdit>写入本地缓存，然后再将本地缓存写入文件系统，最后执行sync操作同步到磁盘。在以前老的写入模型中，上述三步都由工作线程独自完成，如下图所示：
上图中，本地缓存写入文件系统那个步骤工作线程需要持有updateLock执行，不同工作线程之间必然会恶性竞争；不仅如此，在Sync HDFS这步中，工作线程之间需要抢占flushLock，因为Sync操作是一个耗时操作，抢占这个锁会导致写入性能大幅降低。
所幸的是，来自中国（准确的来说，是来自小米，鼓掌）的3位工程师意识到了这个问题，进而提出了一种新的写入模型并被官方采纳。根据官方测试，新写入模型的吞吐量比之前提升3倍多，单台RS写入吞吐量介于12150～31520，5台RS组成的集群写入吞吐量介于22000～70000（见HBASE-8755）。下图是小米官方给出来的对比测试结果：
在新写入模型中，本地缓存写入文件系统以及Sync HDFS都交给了新的独立线程完成，并引入一个Notify线程通知工作线程是否已经Sync成功，采用这种机制消除上述锁竞争，具体如下图所示：
1. 上文中提到工作线程在写入WALEdit之后并没有进行Sync，而是等到释放行锁阻塞在syncedTillHere变量上，等待AsyncNotifier线程唤醒。
2. 工作线程将WALEdit写入本地Buffer之后，会生成一个自增变量txid，携带此txid唤醒AsyncWriter线程
3. AsyncWriter线程会取出本地Buffer中的所有WALEdit，写入HDFS。注意该线程会比较传入的txid和已经写入的最大txid（writtenTxid），如果传入的txid小于writteTxid，表示该txid对应的WALEdit已经写入，直接跳过
4. AsyncWriter线程将所有WALEdit写入HDFS之后携带maxTxid唤醒AsyncFlusher线程
5. AsyncFlusher线程将所有写入文件系统的WALEdit统一Sync刷新到磁盘
6. 数据全部落盘之后调用setFlushedTxid方法唤醒AyncNotifier线程
7. AyncNotifier线程会唤醒所有阻塞在变量syncedTillHere的工作线程，工作线程被唤醒之后表示WAL写入完成，后面再执行MVCC结束写事务，推进全局读取点，本次更新才会对用户可见
通过上述过程的梳理可以知道，新写入模型采取了多线程模式独立完成写文件系统、sync磁盘操作，避免了之前多工作线程恶性抢占锁的问题。同时，工作线程在将WALEdit写入本地Buffer之后并没有马上阻塞，而是释放行锁之后阻塞等待WALEdit落盘，这样可以尽可能地避免行锁竞争，提高写入性能。
总结
本文首先介绍了HBase的写入流程，之后重点分析了WAL的写入模型以及相关优化。希望借此能够对HBase写入的高性能特性能够理解。后面一篇文章会接着介绍写入到memstore的数据如何真正的落盘，敬请期待！
感谢分享！HBase写入流程中，对于HLog和memstore写入先后顺序这块我有一些疑惑。就像“服务器端流程解析”这一章里写的：（3）写缓存memstore。（4）Append HLog：HBase使用WAL机制保证数据可靠性，即首先写日志再写缓存。
3写入缓存memstore在前，为何4又说是先写入日志再写入缓存呢？望指点，谢谢！
1. 理论上WAL是先写的。
2. HBase这块实现是先写mem，后写WAL，hbase能够保证只有这两个都写完了用户才会可见（mvcc机制），而且如果mem写成功，wal写失败，mem会被回滚。下面是相关的代码注释：
// ————————————
// STEP 3. Write back to memstore
// Write to memstore. It is ok to write to memstore
// first without updating the HLog because we do not roll
// forward the memstore MVCC
// ————————————
// STEP 4. Build WAL edit
// ———————————-
解释一下有关HBase中先写memstore后刷HLog的问题：
WAL机制原本应该是先写日志，再写内存；但是HBase先写memstore，再更新HLog。
这样做之所以it’s ok，是由于MVCC来保证的，在每个写线程开启事务的开头就会创建全局递增的write num，但是在HLog更新完毕之后才会去向前推进（roll forward）全局读取点。
所以在此期间内，任何读取线程采用MVCC机制根据读取点读取数据，任何写入/更新操作在HLog未更新完毕之前是不会向前推进读取点的，因此即使数据已经写入memstore，对读线程也是不可见的。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
即使如此，我仍然觉得先追加日志再写内存更符合逻辑，HBase中这样做不知是出于何目的，还请了解者，不吝赐教。
谢谢
看来已经通过代码确认了嘛 同求赐教
我看的版本是hbase-1.2.5，操作顺序与博主上面贴的源码注释有些许变化，但仍然是先写memstore，再刷wal。
源码注释（HRegion.java#doMiniBatchMutation(),2964行）如下：
// ————————————
// STEP 1. Try to acquire as many locks as we can, and ensure
// we acquire at least one.
// ———————————-
// ————————————
// STEP 2. Update any LATEST_TIMESTAMP timestamps
// ———————————-
// ————————————
// STEP 3. Build WAL edit
// ———————————-
// ————————-
// STEP 4. Append the final edit to WAL. Do not sync wal.
// ————————-
// ————————————
// STEP 5. Write back to memstore
// Write to memstore. It is ok to write to memstore
// first without syncing the WAL because we do not roll
// forward the memstore MVCC. The MVCC will be moved up when
// the complete operation is done. These changes are not yet
// visible to scanners till we update the MVCC. The MVCC is
// moved only when the sync is complete.
// ———————————-
// ——————————-
// STEP 6. Release row locks, etc.
// ——————————-
// ————————-
// STEP 7. Sync wal.
// ————————-
// ——————————————————————
// STEP 8. Advance mvcc. This will make this put visible to scanners and getters.
// ——————————————————————
// ————————————
// STEP 9. Run coprocessor post hooks. This should be done after the wal is
// synced so that the coprocessor contract is adhered to.
// ————————————
其中，第7步wal需要sync完成后，才会在第8步推进全局读取点，mvcc变量推进的细节如下：
if (writeEntry != null) {
mvcc.completeAndWait(writeEntry);
writeEntry = null;
} else if (isInReplay) {
// ensure that the sequence id of the region is at least as big as orig log seq id
mvcc.advanceTo(mvccNum);
}
可能有这样一种解释，如果按照正常顺序将wal sync放在前面，memstore写入放在后面的话，锁就会一直拿到sync之后，这个代价似乎太大，因为sync是一个耗时操作
首先，博主的这个博客引擎评论模块只支持最多5层，我只能在这儿写咯~
嗯，博主的解释有道理，从我贴出来的代码注释中Step5和Step6确实可以推理出这一点。
我顺着这个思路再补充一点关于Java内存可见性的东西：
1、将写内存（memstore）放在lock保护的临界区内是为了保证写的内存可见性。因为存在多线程写，如果写内存放到临界区外（WAL的默认顺序：先刷日志再写内存），即使本线程已经完成sync wal，并推进了全局读取点，但是仍然不能够保证写入memstore的数据版本对其他线程可见，所以这才将写内存这个操作提前到lock保护的临界区内。
2、sync wal太耗时，所以把它放到临界区外，由递增的write num来保证wal写的顺序性。这一点同样是通过lock来保证write num在内存中的可见性，因为write num在Step6之前创建，由java内存模型的Happens-Before来保证这一点。
赞
我再想有没有这样的一种可能，如果先写wal，然后写memstore的过程宕机了，客户端会认为这次 put是失败的，再重新提交到新的rs。同时老的rs进行日志切分，这样会不会导致数据重覆写？
这个需要再看下代码，具体还不清楚怎么实现的，看了之后再来讨论
拜读，文中”HLog的写入可以分为三个阶段，首先将数据对写入本地缓存，然后再将本地缓存写入文件系统，最后执行sync操作同步到磁盘”，数据不是存储于内存或磁盘？ “写入文件系统”是什么含义？
数据库系统一般写数据有三个层面：数据库缓存、文件系统缓存、磁盘。数据sync一般是先写入文件系统缓存，再由文件系统定时异步刷新到磁盘；fsync是指数据绕过文件系统缓存直接写入磁盘；
「fsync是指数据绕过文件系统缓存直接写入磁盘」 这个解释有问题吧，fsync是指把数据从操作系统缓存（或者说文件系统缓存）中落地到磁盘去。如果你用绕过文件系统缓存直接写入磁盘，这种技术应该叫做direct IO
嗯嗯嗯 这个解释有问题 应该为：fsync是指将数据写入文件系统缓存后直接刷入磁盘 不过我好像没在这篇文章找到…
hlog这块的提交机制是什么，会不会出现写入hlog后，还未flush到磁盘，机器挂掉时数据丢失的现象？
文中说到了 需要根据hlog的持久化机制确定是否会有数据丢失 如果选择fsync是肯定不会有数据丢失的 不过性能相对比较差
嗯，我说的就是非fsync的方式，这样应该还是存在丢数据的可能，就像oracle中，写入到log buffer中但是还没有刷到redo log中，就存在丟数据的可能性，只不过oracle刷新log buffer的触发机制有很多种，一般情况下即使丟数据也是非常少的。那么hbase中有没有类似的触发刷新hlog到磁盘的机制？
分析的不错，能否在将hbase中各种锁的运作机制解释一下呢
好建议 后面有时间可以完整整理一下
可以請問，當write heavy情境下，MemstoreSize超過blockingMemstoreSize後，會blocking memStore，
之後便產生Error，Failed after attempts=31,
情況如下:
RpcRetryingCaller{globalStartTime=1479101870787, pause=100, retries=31}, org.apache.hadoop.hbase.RegionTooBusyException
可以預知是什麼問題嗎？目前理解 為Region忙碌 導致RPC timeout，retry過閥值依舊沒回應所以fail。
查看RegionServer端的日志才能看出来问题，一般有两种原因，见我最新的文章。最好能把服务器端日志贴出来
最后wal写入的更新，思想好像来自hdfs的editlog写入吧，hdfs edistlog写入设计的真的非常棒，哈哈
666 客官对hdfs也很熟悉的嘛
研究过一些，这里一看就想起来了，呵呵，最近咋没更新了，还在等你的文章呢
年底了 你懂的！等忙完这段了就继续move on,有什么好的见解案例也可以互相交流呀
好的，期待！
期待博主写一篇hbck相关的内容，运维中经常发现各种hbase region状态不一致。
范老师，region server在进行批量写的时候，一次会写入尽可能多的行，但是我看源码好像只写了一次WAL（一次只会有一个sequenceId），也就是说WAL一条记录可能会包含多行（rowkey不同）的数据？按照WALEdit的描述，好像每条记录只能包含一个row的多个cells吧
WALEdit包含一个事务的记录 可以是一个region中的多行
范老师，HBase – 并发控制深度解析 这篇好像没有了，能给个链接吗？
不好意思 这个文章名称改了下 已经在原文中做了更新 链接也加了上去 谢谢反馈
您好，我想请问一下，
1.”在提交之前，HBase会在元数据表.meta.中根据rowkey找到它们归属的region server“
如果是更新的话，那我可以理解是能找到rowkey所在的regionserver；那如果是新增呢，这个rowkey去哪个regionserver呢？
2.还有就是，如果预分区了10个分区，在5个regionserver上，那怎么知道新增一条数据，这个rowkey应该去哪个regionserver的哪个region上呢？能不能指定region呢？
1. 每个region有个rowkey范围:[startkey, endkey]，如果rowkey在这个范围内，就会落在这个region上
2. 不能指定region，道理还是一样，region有自己的范围
ok
明白，3q3q3q
2. 工作线程将WALEdit写入本地Buffer之后，会生成一个自增变量txid，携带此txid唤醒AsyncWriter线程
请教下，这一步没太看懂呢？
按你的说法，工作线程应该是有多个，那么这里说的唤醒AsyncWriter线程，是每个工作线程都会唤醒一个AsyncWriter线程吗？还是啥意思呢？
大哥有没有HBase线程模型的分析文章？
这块代码建议看最新版本的 新版本2.0的数据写入流程已经完全变了
天 都是大佬~~~~16年就研究这么深入了~~~~~~~~~~~~