HBase性能优化方法总结

HBase性能优化方法总结本文主要是从HBase应用程序设计与开发的角度，总结几种常用的性能优化方法。1.表的设计1.1Pre-CreatingRegions默认情况下，在创建HBase表的时候会自动创建一个region分区，当导入数据的时候，所有的HBase客户端都向这一个region写数据，直到这个region足够大了才进行切分。一种可以加快批量写入速度的方法是通过预先创建一些空的regions，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。有关预分区，详情参见：TableCreation:Pre-CreatingRegions，下面是一个例子：[html]viewplaincopy1.publicstaticbooleancreateTable(HBaseAdminadmin,HTableDescriptortable,byte[][]splits)2.throwsIOException{3.try{4.admin.createTable(table,splits);5.returntrue;6.}catch(TableExistsExceptione){7.logger.info(table+table.getNameAsString()+alreadyexists);8.//thetablealreadyexists...9.returnfalse;10.}11.}12.13.publicstaticbyte[][]getHexSplits(StringstartKey,StringendKey,intnumRegions){14.byte[][]splits=newbyte[numRegions-1][];15.BigIntegerlowestKey=newBigInteger(startKey,16);16.BigIntegerhighestKey=newBigInteger(endKey,16);17.BigIntegerrange=highestKey.subtract(lowestKey);18.BigIntegerregionIncrement=range.divide(BigInteger.valueOf(numRegions));19.lowestKey=lowestKey.add(regionIncrement);20.for(inti=0;inumRegions-1;i++){21.BigIntegerkey=lowestKey.add(regionIncrement.multiply(BigInteger.valueOf(i)));22.byte[]b=String.format(%016x,key).getBytes();23.splits[i]=b;24.}25.returnsplits;26.}1.2RowKeyHBase中rowkey用来检索表中的记录，支持以下三种方式：通过单个rowkey访问：即按照某个rowkey键值进行get操作；通过rowkey的range进行scan：即通过设置startRowKey和endRowKey，在这个范围内进行扫描；全表扫描：即直接扫描整张表中所有行记录。在HBase中，rowkey可以是任意字符串，最大长度64KB，实际应用中一般为10~100bytes，存为byte[]字节数组，一般设计成定长的。rowkey是按照字典序存储，因此，设计rowkey时，要充分利用这个排序特点，将经常一起读取的数据存储到一块，将最近可能会被访问的数据放在一块。举个例子：如果最近写入HBase表中的数据是最可能被访问的，可以考虑将时间戳作为rowkey的一部分，由于是字典序排序，所以可以使用Long.MAX_VALUE–timestamp作为rowkey，这样能保证新写入的数据在读取时可以被快速命中。1.3ColumnFamily不要在一张表里定义太多的columnfamily。目前Hbase并不能很好的处理超过2~3个columnfamily的表。因为某个columnfamily在flush的时候，它邻近的columnfamily也会因关联效应被触发flush，最终导致系统产生更多的I/O。感兴趣的同学可以对自己的HBase集群进行实际测试，从得到的测试结果数据验证一下。1.4InMemory创建表的时候，可以通过HColumnDescriptor.setInMemory(true)将表放到RegionServer的缓存中，保证在读取的时候被cache命中。1.5MaxVersion创建表的时候，可以通过HColumnDescriptor.setMaxVersions(intmaxVersions)设置表中数据的最大版本，如果只需要保存最新版本的数据，那么可以设置setMaxVersions(1)。1.6TimeToLive创建表的时候，可以通过HColumnDescriptor.setTimeToLive(inttimeToLive)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)。1.7Compact&Split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redopoint，表示这个时刻之前的变更已经持久化了(minorcompact)。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(majorcompact)，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rowkey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majorcompact，将同一个rowkey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。2.写表操作2.1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，一个例子：[html]viewplaincopy1.staticfinalConfigurationconf=HBaseConfiguration.create();2.staticfinalStringtable_log_name=“user_log”;3.wTableLog=newHTable[tableN];4.for(inti=0;itableN;i++){5.wTableLog[i]=newHTable(conf,table_log_name);6.wTableLog[i].setWriteBufferSize(5*1024*1024);//5MB7.wTableLog[i].setAutoFlush(false);8.}2.2HTable参数设置2.2.1AutoFlush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autoflush是开启的。2.2.2WriteBuffer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。2.2.3WALFlag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（WriteAheadLog）日志（即HLog，一个RegionServer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。2.3批量写通过调用HTable.put(Put)方法可以将一个指定的rowkey记录写入HBase，同样HBase提供了另一个方法：通过调用HTable.put(ListPut)方法可以将指定的rowkey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。2.4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。下面给个具体的例子：[html]viewplaincopy1.for(inti=0;ithreadN;i++){2.Threadth=newThread(){3.publicvoidrun(){4.while(true){5.try{6.sleep(1000);//1second7.}catch(InterruptedExceptione){8.e.printStackTrace();9.}10.synchronized(wTableLog[i]){11.try{12.wTableLog[i].flushCommits();13.}catch(IOExceptione){14.e.printStackTrace();15.}16.}17.}18.}19.};20.th.setDaemon(true);21.th.start();22.}3.读表操作3.1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，一个例子：[html]viewplaincopy1.staticfinalConfigurationconf=HBaseConfiguration.create();2.staticfinalStringtable_log_name=“user_log”;3.rTableLog=newHTable[tableN];4.for(inti=0;itableN;i++){5.rTableLog[i]=newHTable(conf,table_log_name);6.rTableLog[i].setScannerCaching(50);7.}3.2HTabl