最近某应用反馈 HBase 数据插入数据后、查询出现错误数据
现象如下：
有一行数据：
前面时间 T1 ：插入3列
后面时间 T2 ：插入1 列（通过 put 新值来更新某列数据）
scan 操作只能看到 时间点T1的 3 列数据，
get 操作只能看到时间点 T2 的 1 列最新数据
具体例子：
有一行数据 rowkey 是 591420001
时间点T1:插入数据c1-c3 共3列，注意此时 c2=2
ROW COLUMN+CELL
5914200010001 column=f:c1, timestamp=1595252551656, value=1
5914200010001 column=f:c2, timestamp=1595252551656, value=2
5914200010001 column=f:c3, timestamp=1595252551656, value=3
时间点T2 插入c2值为 2-1:
ROW COLUMN+CELL
5914200010001 column=f:c2, timestamp=1595252559734, value=2-1
正确的 scan 或者 get 应该是：
ROW COLUMN+CELL
5914200010001 column=f:c1, timestamp=1595252551656, value=1
5914200010001 column=f:c2, timestamp=1595252559734, value=2-1
5914200010001 column=f:c3, timestamp=1595252551656, value=3
实际情况 scan 出来的结果：
5914200010001 column=f:c1, timestamp=1595252551656, value=1
5914200010001 column=f:c2, timestamp=1595252559734, value=2
5914200010001 column=f:c3, timestamp=1595252551656, value=3
get 出来的结果是：
5914200010001 column=f:c2, timestamp=1595252559734, value=2-1详细了解以及现象：
刚开始怀疑会不会是使用问题，应用查询的时候，指定了版本；后来询问了是否设置了多版本之类的情况，答案是没有。经过沟通询问，发现有些 rowkey 的数据是有问题，有些是正常的，这是一个非常重要的信息，也就是说异常的Case只会发生在某些行数据中。
由此信息怀疑问题是否和 rowkey 分布的 Region 有关系，
根据对 HBase 的了解，大概猜测出了 Region 很可能发生了重叠的情况。
Region 重叠
Region 重叠，英文叫做 region overlap，意思是region 范围发生了交叉，
正常region
~1010~2020~3030~4040~
重叠region
~1010~2015~2520~3030~4040~
如上 10~20,15~25,20~30 就发生了重叠
空洞 region
region 还有一个常见的问题，叫做 region 空洞 hole
~1010~2030~4040~
如上 20~30 就区间没有了，也就是发生了所谓的 hole,
region 空洞通常是 region 没有 assign 成功导致
时间点 T1 的数据插入的数据从 hbase:meta 表中找到 regionA，
时间点 T2 的数据插入的数据从 hbase:meta 表中找到 regionB，
5914200010001 这个 rowkey 同时属于 regionA 和 RegionB
检查集群，果然验证了自己的猜测
上图可以看到使用红线框起来的这个 region 是有问题的，
刚开始的时候，时间点 T1 插入数据到了正常的 region 中，
时间点 T2，插入数据，正好到5192-5294 这个异常的 region 中去了。
所以导致 scan 和 get 结果不一致。
这个异常的 Region 怎么来的？应用怀疑是 HBase split 出现异常导致的，真的是 HBase 自己 split 出来的吗？答案是否定的。
表是预先分区的，指定的每个 splitkey 都为 7位长度(比如4750000,4800000)，
rowkey 设计上面确保是 13 位长度，异常的 region 的 startkey/endkey 只有 4 位长度, 基本上可以排除 split 出来的可能性.
因为region的startkey 要不是预先分区指定的值，要不是 split 时候取的 splitPonit 值（也就是 region下面列族中最大的 hfile midkey) ，所以几乎不可能是 split 异常导致的
当时有个大胆的推测，会不会是这个 region 是谁拷贝了一个其它表或者之前的表的 region 目录，放在表目录下，然后一顿操作猛如虎，把这个给上线了。。。
后来 check 了 NameNode 的审计日志，果然发现是被人拷贝过来的。。。
通过观察这个 region 的 .regioninfo 信息，发现这个region 是数个月之前的，后来被人为拷贝过来的， 具体为啥拷贝就不细说了。。。
这个 case 非常有意思, 会涉及到 HBase 的 hbck工具，hfile工具，如何查看 master 页面，hbase:meta 元数据信息，hbase 表的目录结构等等信息
明白了问题的现象和原因以后，我们来处理这个问题呢？
处理思路：
尽快恢复业务！
下线错误 region -> 修复 hbase:meta -> move region 目录 -> 恢复数据
这个问题非常考验对 HBase 的理解以及工具的使用。
1、unassign region ：下线 region
2、move region 目录，将出问题的 region 拷贝走
（这个目录中的数据后续可能还需要导入）
3、scan 'hbase:meta' 找到出问题的 region 信息，从 hbase:meta 中删除
（小心操作）
4、导入数据 使用 dobulkload 将出问题的 region hfile 重新导入进去
因为错误的region 是被拷贝过来的，需要研究一下这个错误的 region 当时拷贝过来的时候，是否含有 hfile，也就是旧的数据；一般来说旧数据按理说我们是不需要，我们需要的是拷贝过来的错误的 region 上线后面又写入的这部分数据，
这部分数据虽然写到了错误的 region，但确实是需要的数据。
这块的处理逻辑是需要推断，稍微判断失误，就可能会丢数据，或者导入不该导入的数据进来。
首先使用 hbase hfile 工具，来检查一下这个错误的 region 下面的 hfile 的信息，
可能会使用到如下命令：
查看某个hfile 基本信息，比如startkey/endkey/midkey，又多少key，最大，最小，平均长度，时间戳等等$ hbase hfile -f hfile_path -s打印kvhbase hfile -f hfile_path -p打印keyhbase hfile -f hfile_path -e
本案例中从这些 hfile 中打印出来的信息，可以发现 hfile 中的数据都是后写入的，根据 rowkey 信息（内含时间戳）以及 KV 的 timestamp 字段来判断。到此 HBase 其实已经可以正常读写了。不过 此时 hbase 的 hmaster 中还有脏数据，比如页面中还会显示这个错误的 region
5、根据需要决定是否重启 HMaster，清理 HMaster 内存中的脏数据
如上是大概的推测：是否可以解决问题？线上环境还是需要非常谨慎的。
制造 Region overlap/ 复现问题
首先我们来”制造”一个类似的问题，也就是生成一个错误的region，制造region overlap（当时环境使用的是2.x 的某个早期版本，hbck2 还不完善），复现问题：
1) 首先创建一个表
create 'test','f', SPLITS => ['05', '15', '25']2) 然后将这个表目录拷贝出来
假设拷贝到 /tmp/xxx/test
3) 删除表
disbale 'test'drop 'test'
4)重新创建表（不同splitkeys)
create 'test', 'f', SPLITS => ['10', '20', '30']5)然后选取上一次建表的region目录拷贝到新表目录中
比如：
hdfs dfs -cp /tmp/xxx/test/4f3cab0063decfac00755c88337da380 /apps/hbase/data/data/default/test/6)上线有问题的 region
执行命令
hbase hbck -j $hbase_home/hbase-operator-tools/hbase-hbck***.jar addFsRegionsMissingInMeta default:test如上命令的意思是根据 hdfs 中的 region 目录等信息加载到 hbase:meta 表中
7)重启 hmaster
8)上线这个有问题的 reigon
hbase hbck -j $hbase_home/hbase-operator-tools//hbase-hbck***.jar assigns 4f3cab0063decfac00755c88337da380查看 hmaster 界面，就可以成功看到 ` region overlap` 重叠的情况了
然后 scan hbase:meta 就可以成功看到 这个错误的 region 信息也存在 hbase:meta 中了，此时就成功复现了 region overlap
**解决流程 **
下线错误
region:进入hbase shell对出问题的region执行unassign 'regionanme'
2.移动错误 region 目录，
例如移动到 hdfs://ns1/tmp/下新建一个目录放进去
HBase 目录结构如下
/apps/hbase/data/data/default/test/regionname/f/hfile
data 表目录
default：命名空间
test:表名
regionname：region目录
region 目录下面有.regioninfo
f：列族目录
hfile: 为 hfile 文件
scan 'hbase:meta',{STARTROW => 'tablename,591420001000',LIMIT => 100} ,这里row填有问题的前面的row，
可能提示遮挡问题有问题，可以追加到文件里，从文件里复制
| 命令：echo “scan ‘hbase:meta’,{STARTROW => ‘tablename,591420001000’,LIMIT => 100}” | hbase shell > hbase.txt |
4.deleteall 'hbase:meta','tablename,rowkey.有问题的 region.’
示例命令：deleteall 'hbase:meta','test,5192,1578035374274. *****6bdd9b41aefefd0f89c.'
hbase:meta 表中脏数据清理以后客户端读写就获取不到错误 region 了
5.数据导入
hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles "/tmp/ hbase-loaddata /******89c/ " "t"示例命令：
hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles " /tmp/hbase-loaddata/*****6bdd9b41aefefd0f89c " "test"6、重启 `hmaster
最后问题得以解决。
这个问题，需要对 unassign、hbck、region 如何上下线，hbase 表目录结构,hfile 工具,dobulkload 工具，.regioninfo、hbase:meta 等工具链
HBase 元数据原理和上下线、读写流程等都需要有一定的了解。
本文分享自微信公众号 - HBase工作笔记（HBase-Notes）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。