hbase调优

一.表的设计

1.设置预分区表

原因:前期region读写都集中到一个regionserver上,直到文件足够大时,才进行分区,这样会降低性能.

解决方案:建表是设置预分区,这样当数据写入HBase时，会按照region分区情况，在集群内做数据的负载均衡。

public static boolean createTable(HBaseAdmin admin, HTableDescriptor table, byte[][] splits) throws IOException {   try {     admin.createTable(table, splits);     return true;   } catch (TableExistsException e) {     logger.info("table " + table.getNameAsString() + " already exists");     // the table already exists...     return false;     } }  public static byte[][] getHexSplits(String startKey, String endKey, int numRegions) { //start:001,endkey:100,10region [001,010] [011,020]   byte[][] splits = new byte[numRegions-1][];   BigInteger lowestKey = new BigInteger(startKey, 16);   BigInteger highestKey = new BigInteger(endKey, 16);   BigInteger range = highestKey.subtract(lowestKey);   BigInteger regionIncrement = range.divide(BigInteger.valueOf(numRegions));   lowestKey = lowestKey.add(regionIncrement);   for(int i=0; i < numRegions-1;i++) {     BigInteger key = lowestKey.add(regionIncrement.multiply(BigInteger.valueOf(i)));     byte[] b = String.format("%016x", key).getBytes();     splits[i] = b;   }   return splits; }

2,rowkey

row key可以是任意字符串，最大长度64KB;实际应用中一般为10~100bytes,防止出现rowkey冗余;row key是按照字典序存储,将最近可能会被访问的数据放在一块;

解决方案:对数据进行逆反处理将数据进行散列.减少热点数据;进行rowkey设计时,越短越好;

3.列族

表中不能涉及过多的列族,原因有二:

(1) 当一个memstore溢写时,会触发临近的列族溢写,如果列族过多,会导致IO数量过大;

(2)如果我们按照rowkey查询数据的时候,会吧所有的列族的数据查询出来,导致读取storefile文件数过多

4.In memory

在regionserver中有一个内存共享区域;创建表的时候可以将表放入到memory，增加缓存命中率;

5.删除

Max Version:超过版本数的数据会被移除;这就需要我们设置合理的半本数了;

6.Time To Live

创建表的时候，可以通过HColumnDescriptor.setTimeToLive(int timeToLive)设置表中数据的存储生命期，过期数据将自动被删除，例如如果只需要存储最近两天的数据，那么可以设置setTimeToLive(2 * 24 * 60 * 60)。

7.数据文件的合并与切分

在HBase中，数据在更新时首先写入WAL 日志(HLog)和内存(MemStore)中，MemStore中的数据是排序的，当MemStore累计到一定阈值时，就会创建一个新的MemStore，并且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。于此同时， 系统会在zookeeper中记录一个redo point，表示这个时刻之前的变更已经持久化了(minor compact)。 StoreFile是只读的，一旦创建后就不可以再修改。因此Hbase的更新其实是不断追加的操作。当一个Store中的StoreFile达到一定的阈值后，就会进行一次合并(major compact)，将对同一个key的修改合并到一起，形成一个大的StoreFile，当StoreFile的大小达到一定阈值后，又会对 StoreFile进行分割(split)，等分为两个StoreFile。 由于对表的更新是不断追加的，处理读请求时，需要访问Store中全部的StoreFile和MemStore，将它们按照row key进行合并，由于StoreFile和MemStore都是经过排序的，并且StoreFile带有内存中索引，通常合并过程还是比较快的。 实际应用中，可以考虑必要时手动进行major compact，将同一个row key的修改进行合并形成一个大的StoreFile。同时，可以将StoreFile设置大些，减少split的发生。

hbase为了防止小文件（被刷到磁盘的menstore）过多，以保证保证查询效率，hbase需要在必要的时候将这些小的store file合并成相对较大的store file，这个过程就称之为compaction。在hbase中，主要存在两种类型的compaction：minor compaction和major compaction。 minor compaction:的是较小、很少文件的合并。 major compaction 的功能是将所有的store file合并成一个，触发major compaction的可能条件有：major_compact 命令、majorCompact() API、region server自动运行（相关参数：hbase.hregion.majoucompaction 默认为24 小时、hbase.hregion.majorcompaction.jetter 默认值为0.2 防止region server 在同一时间进行major compaction）。 hbase.hregion.majorcompaction.jetter参数的作用是：对参数hbase.hregion.majoucompaction 规定的值起到浮动的作用，假如两个参数都为默认值24和0,2，那么major compact最终使用的数值为：19.2~28.8 这个范围

二.数据的写入

1.多HTable并发写

创建多个HTable客户端用于写操作，提高写数据的吞吐量

static final Configuration conf = HBaseConfiguration.create();static final String table_log_name = “user_log”;wTableLog = new HTable[tableN];for (int i = 0; i < tableN; i++) {    wTableLog[i] = new HTable(conf, table_log_name);    wTableLog[i].setWriteBufferSize(5 * 1024 * 1024); //5MB    wTableLog[i].setAutoFlush(false);}

2.设置参数

2.1 Auto Flush 通过调用HTable.setAutoFlush(false)方法可以将HTable写客户端的自动flush关闭，这样可以批量写入数据到HBase，而不是有一条put就执行一次更新，只有当put填满客户端写缓存时，才实际向HBase服务端发起写请求。默认情况下auto flush是开启的。 2.2 Write Buffer 通过调用HTable.setWriteBufferSize(writeBufferSize)方法可以设置HTable客户端的写buffer大小，如果新设置的buffer小于当前写buffer中的数据时，buffer将会被flush到服务端。其中，writeBufferSize的单位是byte字节数，可以根据实际写入数据量的多少来设置该值。 2.3 WAL Flag 在HBae中，客户端向集群中的RegionServer提交数据时（Put/Delete操作），首先会先写WAL（Write Ahead Log）日志（即HLog，一个RegionSe··rver上的所有Region共享一个HLog），只有当WAL日志写成功后，再接着写MemStore，然后客户端被通知提交数据成功；如果写WAL日志失败，客户端则被通知提交失败。这样做的好处是可以做到RegionServer宕机后的数据恢复。 因此，对于相对不太重要的数据，可以在Put/Delete操作时，通过调用Put.setWriteToWAL(false)或Delete.setWriteToWAL(false)函数，放弃写WAL日志，从而提高数据写入的性能。 值得注意的是：谨慎选择关闭WAL日志，因为这样的话，一旦RegionServer宕机，Put/Delete的数据将会无法根据WAL日志进行恢复。

3.批量插入数据

通过调用HTable.put(Put)方法可以将一个指定的row key记录写入HBase，同样HBase提供了另一个方法：通过调用HTable.put(List)方法可以将指定的row key列表，批量写入多行记录，这样做的好处是批量执行，只需要一次网络I/O开销，这对于对数据实时性要求高，网络传输RTT高的情景下可能带来明显的性能提升

4.多线程并发写

在客户端开启多个HTable写线程，每个写线程负责一个HTable对象的flush操作，这样结合定时flush和写buffer（writeBufferSize），可以既保证在数据量小的时候，数据可以在较短时间内被flush（如1秒内），同时又保证在数据量大的时候，写buffer一满就及时进行flush

for (int i = 0; i < threadN; i++) {    Thread th = new Thread() {        public void run() {            while (true) {                try {                    sleep(1000); //1 second                } catch (InterruptedException e) {                    e.printStackTrace();                }synchronized (wTableLog[i]) {                    try {                        wTableLog[i].flushCommits();                    } catch (IOException e) {                        e.printStackTrace();                    }                }            }}    };    th.setDaemon(true);    th.start();}

三.数据读取

1.多HTable并发读

创建多个HTable客户端用于读操作，提高读数据的吞吐量

static final Configuration conf = HBaseConfiguration.create();static final String table_log_name = “user_log”;rTableLog = new HTable[tableN];for (int i = 0; i < tableN; i++) {    rTableLog[i] = new HTable(conf, table_log_name);    rTableLog[i].setScannerCaching(50);}

2.HTable参数设置

2.1 Scanner Caching hbase.client.scanner.caching配置项可以设置HBase scanner一次从服务端抓取的数据条数，默认情况下一次一条。通过将其设置成一个合理的值，可以减少scan过程中next()的时间开销，代价是scanner需要通过客户端的内存来维持这些被cache的行记录。 有三个地方可以进行配置：1）在HBase的conf配置文件中进行配置；2）通过调用HTable.setScannerCaching(int scannerCaching)进行配置；3）通过调用Scan.setCaching(int caching)进行配置。三者的优先级越来越高。 2.2 Scan Attribute Selection scan时指定需要的Column Family，可以减少网络传输数据量，否则默认scan操作会返回整行所有Column Family的数据。 2.3 Close ResultScanner 通过scan取完数据后，记得要关闭ResultScanner，否则RegionServer可能会出现问题（对应的Server资源无法释放）。

3.批量读

通过调用HTable.get(Get)方法可以根据一个指定的row key获取一行记录，同样HBase提供了另一个方法：通过调用HTable.get(List)方法可以根据一个指定的row key列表，批量获取多行记录，这样做的好处是批量执行，只需要一次网络I/O开销，这对于对数据实时性要求高而且网络传输RTT高的情景下可能带来明显的性能提升。

4 多线程并发读

在客户端开启多个HTable读线程，每个读线程负责通过HTable对象进行get操作。下面是一个多线程并发读取HBase，获取店铺一天内各分钟PV值的例子：

public class DataReaderServer {     //获取店铺一天内各分钟PV值的入口函数     public static ConcurrentHashMap<String, String> getUnitMinutePV(long uid, long startStamp, long endStamp){         long min = startStamp;         int count = (int)((endStamp - startStamp) / (60*1000));         List<String> lst = new ArrayList<String>();         for (int i = 0; i <= count; i++) {            min = startStamp + i * 60 * 1000;            lst.add(uid + "_" + min);         }         return parallelBatchMinutePV(lst);     }      //多线程并发查询，获取分钟PV值?private static ConcurrentHashMap<String, String> parallelBatchMinutePV(List<String> lstKeys){        ConcurrentHashMap<String, String> hashRet = new ConcurrentHashMap<String, String>();        int parallel = 3;        List<List<String>> lstBatchKeys  = null;        if (lstKeys.size() < parallel ){            lstBatchKeys  = new ArrayList<List<String>>(1);            lstBatchKeys.add(lstKeys);        }        else{            lstBatchKeys  = new ArrayList<List<String>>(parallel);            for(int i = 0; i < parallel; i++  ){                List<String> lst = new ArrayList<String>();                lstBatchKeys.add(lst);            }?            for(int i = 0 ; i < lstKeys.size() ; i ++ ){                lstBatchKeys.get(i%parallel).add(lstKeys.get(i));            }        }        List<Future< ConcurrentHashMap<String, String> >> futures = new ArrayList<Future< ConcurrentHashMap<String, String> >>(5);