HBase之MVCC

HBase在保证写数据一致性的同时，还保证读取的高性能。这一机制的实现就是通过MultiVersionConsistencyControl来控制的，简称MVCC

HBase为什么需要并发控制？

我们知道HBase是可以通过客户端往服务器写数据的，如果存在多个客户端，可能同时在操作某一个Region的某一行的某一列。

我们首先假定一个并发写的场景：

假设两个客户端同时往表中同一个Row的同一个Family(general)的两个列(qualifier)name和 price写数据，对于MemStore来讲这些数据是并发写入的。

写数据流程如下：

写入MemStore:讲每一个cell单元格写入MemStore缓存起来

写入HLog

上面例子中其实有4个key-value也就是4个cell，每一个请求来的时候，MemStore会写两个，但是这四个key-value写入顺序我们是无法在并发环境下保证的，就可能会出现以下情况：

本来在写完general:name= Gibson Guitar的时候，然后接着写入122.89

但是这个时候另一个线程抢在它之前执行了写入349.99

怎么办呢？

# 我们可以先获取Row Lock

# 更新MemStore，写入cell

# 再将cell写入HLog

# 释放Row Lock

 

那现在写的问题解决了，那我们读取数据的时候会不会有问题呢？

我们试想一下：当第一组数据general:name和 general:price<Gibson Guitar，122.89>已经写入完毕，已经释放锁

第二组数据开始写，正在写或准备写price349.99的时候，读请求过来，他已经把general:name=>GibsonGuitar更细了，但是还没有更新general:price=>349.99，这时候读取的数据就是

很显然这是有问题的。

怎么办呢？我们对读请求加锁，毫无疑问这肯定是没有问题的

但是不管读还是写都会涉及到锁的竞争，降低了系统的吞吐量。

所以MVCC出场了。

 

原理如下：

无论读写，每一次都被给一个Number，写操作叫做WriteNumber，读操作叫做memstoreRead。

一般情况下，为了确保数据一致性，在对数据进行写操作的时候，需要等到前面的操作完成，不然可能造成数据丢失。

所以当一个写操作来的时候，会把这个请求写入链表末尾writeQueue

，完成的操作标记为完成，并且从链表头部删除。

而最大的writeNumber会记录在memstoreRead,从而告知其他的所有的等待者，现在操作的最新sequenceId是多少，保证每一个等待着看到的数据都是最新的