hbase源码之如何查询出来下一个KeyValue

问题导读
1、KeyValueHeap的构造函数与seek操作有什么关系？
2、在KeyValue里是怎么被调用的？
3、populateResult方法有什么作用？

在讲《Get、Scan在服务端是如何处理？》当中的nextInternal流程，它的第一步从storeHeap当中取出当前kv，这块其实有点儿小复杂的，因为它存在异构的Scanner（一个MemStoreScanner和多个StoreFileScanner），那怎么保证从storeHeap里面拿出来的总是离上一个kv最接近的kv呢？

这里我们知道，在打开这些Scanner之后，就对他们进行了一下seek操作，它们就已经调整到最佳位置了。

我们看看KeyValueHeap的构造函数里面去看看吧。

public KeyValueHeap(List<? extends KeyValueScanner> scanners, KVComparator comparator) throws IOException {
    this.comparator = new KVScannerComparator(comparator);
    if (!scanners.isEmpty()) {
      this.heap = new PriorityQueue<KeyValueScanner>(scanners.size(),
          this.comparator);
      //...
　　   this.current = pollRealKV();
    }
}
复制代码

它内部有一个叫heap的PriorityQueue<KeyValueScanner>队列，它会对所有的Scanner进行排序，排序的比较器是KVScannerComparator, 然后current又调用了pollRealKV通过比较获得当前的Scanner，后面会讲。

那好，我们直接进去KVScannerComparator看看它的compare方法就能知道怎么回事了。

public int compare(KeyValueScanner left, KeyValueScanner right) {
      // 先各取出来一个KeyValue进行比较
      int comparison = compare(left.peek(), right.peek());
      if (comparison != 0) {
        return comparison;
      } else {
        // key相同，选择最新的那个
        long leftSequenceID = left.getSequenceID();
        long rightSequenceID = right.getSequenceID();
        if (leftSequenceID > rightSequenceID) {
          return -1;
        } else if (leftSequenceID < rightSequenceID) {
          return 1;
        } else {
          return 0;
        }
      }
}
复制代码

额，从上面代码看得出来，把left和right各取出一个kv来进行比较，如果一样就比较SequenceID，SequenceID越大说明这个文件越新，返回-1，在升序的情况下，这个Scanner就跑到前面去了。
这样就实现了heap里面拿出来的第一个就是最小的kv的最新版。

在继续将之前，我们看一下在KeyValue是怎么被调用的，这样我们好理清思路。

//从storeHeap里面取出一个来
KeyValue current = this.storeHeap.peek();
//后面是一顿比较,比较通过,把结果保存到results当中
KeyValue nextKv = populateResult(results, this.storeHeap, limit, currentRow, offset, length);
复制代码

接着看populateResult方法。

private KeyValue populateResult(List<Cell> results, KeyValueHeap heap, int limit,
        byte[] currentRow, int offset, short length) throws IOException {
      KeyValue nextKv;
      do {
        //从heap当中取出剩下的结果保存在results当中
        heap.next(results, limit - results.size());
        //如果够数了，就返回了
        if (limit > 0 && results.size() == limit) {
          return KV_LIMIT;
        }
        nextKv = heap.peek();
      } while (nextKv != null && nextKv.matchingRow(currentRow, offset, length));
      return nextKv;
}
复制代码

我们对KeyValueHeap的使用，就是先peek，然后再next，我们接下来就按这个顺序看吧。

先从peek取出来一个，peek就是从heap队列取出来的current的scanner取出来的当前的KeyValue。

if (this.current == null) {
      return null;
}
return this.current.peek();
复制代码

然后我们看next方法。

public boolean next(List<Cell> result, int limit) throws IOException {
    if (this.current == null) {
      return false;
    }
    InternalScanner currentAsInternal = (InternalScanner)this.current;
    boolean mayContainMoreRows = currentAsInternal.next(result, limit);
    KeyValue pee = this.current.peek();
    if (pee == null || !mayContainMoreRows) {
      this.current.close();
    } else {
      this.heap.add(this.current);
    }
    this.current = pollRealKV();
    return (this.current != null);
}
复制代码

1、通过currentAsInternal.next继续获取kv，它是只针对通过通过检查的当前行的剩下的KeyValue，这个过程在之前那篇文章讲过了。

2、如果后面没有值了，就关闭这个Scanner。

3、然后还有，就把这个Scanner放回heap上，等待下一次调用。

4、使用pollRealKV再去一个新的Scanner出来。

private KeyValueScanner pollRealKV() throws IOException {
    KeyValueScanner kvScanner = heap.poll();
    if (kvScanner == null) {
      return null;
    }

    while (kvScanner != null && !kvScanner.realSeekDone()) {
      if (kvScanner.peek() != null) {
        //查询之前没有查的
        kvScanner.enforceSeek();
        //把之前的查到位置的kv拿出来
        KeyValue curKV = kvScanner.peek();
        if (curKV != null) {
          //再选出来下一个的scanner
          KeyValueScanner nextEarliestScanner = heap.peek();
          if (nextEarliestScanner == null) {
            // 后面没了，只能是它了
            return kvScanner;
          }
          
          // 那下一个Scanner的kv也出来比较比较
          KeyValue nextKV = nextEarliestScanner.peek();
          if (nextKV == null || comparator.compare(curKV, nextKV) < 0) {
            // 它确实小，那么就把它放出去吧
            return kvScanner;
          }

          // 把它放回去，和别的kv进行竞争
          heap.add(kvScanner);
        } else {
          // 它没东西了，关闭完事
          kvScanner.close();
        }
      } else {
        // 它没东西了，关闭完事
        kvScanner.close();
      }
      kvScanner = heap.poll();
    }

    return kvScanner;
}
复制代码

鉴于它每次都要比较的情况，如果一个列族下的HFile比较多的话，它的比较次数也会增大，会影响查询效率，查询时间和HFile的数量成线性关系。

另外补充点内容，是前面写Scan的时候拉下的：

由于写入同一个rowkey相关的KeyValue的时候时间戳在前的先写入，查询的时候又需要总是读该rowkey最新的KeyValue，所以在查询的时候会先seek到该rowkey的时间戳最大的位置，具体查的时候，不断的向前seekBefore，直到这个rowkey的KeyValue全部查完位置，然后再向前定位到一个rowkey的位置。

简而言之：

不同rowkey的向前查，从rowkey小的查到rowkey大的；查相同rowkey的向后查，从最新的时间戳到查到最久的时间戳。

总结：
这就把如何查询出来下一个KeyValue的过程讲完了，它的peek方法、next方法、比较的方法，希望对大家有帮助，这个系列的文章到此也就结束了，下个目标是跟随超哥学习Spark源码。