hbase优化

Hbase优化

主要优化：预分区，row key，列族，compaction(合并)，批量读写，连接池

（一）表的设计

1.1预分区（pre-creating regions）

预防数据倾斜，达到负载均衡

数据抽样

预估

1.2 Row key

Row key 用来检索表中的记录，支持以下3种方式：

Ø  通过单个row key访问：按照某个rowkey键值进行get操作。

Ø  通过row key的range进行scan：设置startRowKey和endRowKey，在这个范围内进行扫描

Ø  全表扫描：直接扫描整张表的所有记录

 

Row key 是按照字典序存储的。设计row key的时候，要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写在一块。

举例：如果最近写入hbase的数据是最可能被访问的，可以考虑将时间戳作为row key的一部分，由于是字典序排序，row key可以是long.MAX_VALUE – timestamp作为row key，这样能保证新写入的数据在读取时可以被快速命中。

1.3列族(column  family)

不能在一张表里定义太多的列族，目前hbase并不能很好的处理超过2-3个列族的表。

1.4 In Memory

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(提高查询速度)。

缓存应该放在离用户最近的地方。

1.5 MaxVersion

通过HColumnDescriptor.setMaxVersion(int MaxVersions)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，设置为1.

1.6 Time toLive

通过HColumnDescriptior.setTimeToLive(int timeToLive)设置存储生命期，过期数据自动删除。

1.7 Compaction

 

Hbase为了防止小文件(被刷到磁盘的menstore)过多，以保证查询效率。Hbase需要在必要的时候将这些小的storefile合并为相对较大的store file，这个过程就是compaction。

Compaction主要分为两类：minorcompaction和major compaction。

 

major compaction功能：将所有storefile合并成一个，合并大量文件，应该人为控制。

触发条件：major_compact命令，majorCompact() API ，region server自动运行(hbase.hregion. majorcompaction 默认为24小时)

 

minor compaction 较为复杂，较小合并，由hbase自动触发。

由以下参数决定：                                                                                                                            

 

hbase.hstore.compaction.min: 默认值为3，只有超过3个以上的storefile时，minor compaction才会启动。

hbase.hstore.compaction.max:每次合并最多选择10个store file。

hbase.hstore.compaction.ratio：minorcompaction按照文件年龄排序，minor compaction总是从older store file开始选择。

 

(二) 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

2.2 HTable参数设置

2.3 批量写

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<Put>)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。

2.4 多线程并发写

(三) 读表操作

3.1 多HTable并发读

3.2 HTable参数设置

3.3 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

3.4 多线程并发读

连接池：已经被替换为HConnection