HBase的优化

1.配置高可用

1.1在conf下创建文件

touch conf/backup-masters

1.2在里面编辑要高可用的集群,然后分发

scp -r root@hadoop202:backup-masters /opt/module/hbase/conf/

2.预分区

每一个 region 维护着 StartRow 与 EndRow，如果加入的数据符合某个 Region 维护的RowKey 范围,则该数据交给这个 Region 维护。那么依照这个原则，我们可以将数据所投放的分区提前大致的规划好，以提高 HBase 性能。

2.1 手动创建预分区

create ‘staff1’,‘info’,SPLITS => [‘1000’,‘2000’,‘3000’,‘4000’]

2.2 生成 16 进制序列预分区

create ‘staff2’,‘info’,{NUMREGIONS => 15, SPLITALGO => ‘HexStringSplit’}

2.3 按照文件中设置的规则预分区
创建 splits.txt 文件内容如下：

aaaa
bbbb
cccc
dddd

执行:(默认文件路径,当前路径下)

create ‘staff3’,‘partition3’,SPLITS_FILE => ‘splits.txt’

注意点:

• 会自动的进行排序,从小到大,所以b,c位置写错,也会自动排好
• rowkey和分区键是按照字典顺序进行比较的大小的,为防止出现特殊值,
• 一般情况下:将rowkey的前几个字节设置为和分区键一样的

rowkey的设计案例:

案例: 电话信息的存储,常用数据为查看的时间

3. 内存优化

HBase 操作过程中需要大量的内存开销，毕竟 Table 是可以缓存在内存中的，一般会分配整个可用内存的 70%给 HBase 的 Java 堆。但是不建议分配非常大的堆内存，因为 GC 过程持续太久会导致 RegionServer 处于长期不可用状态，一般 16~48G 内存就可以了，如果因为框架占用内存过高导致系统内存不足，框架一样会被系统服务拖死。

注:当MemStore使用总内存达到40％, 就会进入阻塞,直到38%才会继续写入, 而如果内存基数比较大,这个40%和38%的差值就会非常大,进入长期不可用状态

4.基础优化

1．允许在 HDFS 的文件中追加内容
hdfs-site.xml、hbase-site.xml

属性：dfs.support.append
解释：开启 HDFS 追加同步，可以优秀的配合 HBase 的数据同步和持久化。默认值为 true。

2．优化 DataNode 允许的最大文件打开数
hdfs-site.xml

属性：dfs.datanode.max.transfer.threads
解释：HBase 一般都会同一时间操作大量的文件，根据集群的数量和规模以及数据动作，
设置为 4096 或者更高。默认值：4096

3．优化延迟高的数据操作的等待时间
hdfs-site.xml

属性：dfs.image.transfer.timeout
解释：如果对于某一次数据操作来讲，延迟非常高，socket 需要等待更长的时间，建议把
该值设置为更大的值（默认 60000 毫秒），以确保 socket 不会被 timeout 掉。

4．优化数据的写入效率(开启压缩)
mapred-site.xml

属性:
mapreduce.map.output.compress
mapreduce.map.output.compress.codec
解释：开启这两个数据可以大大提高文件的写入效率，减少写入时间。第一个属性值修改为
true，第二个属性值修改为：org.apache.hadoop.io.compress.GzipCodec 或者其
他压缩方式。

5．设置 RPC 监听数量
hbase-site.xml

属性：hbase.regionserver.handler.count
解释：默认值为 30，用于指定 RPC 监听的数量，可以根据客户端的请求数进行调整，读写
请求较多时，增加此值。

6．优化 HStore 文件大小
hbase-site.xml

属性：hbase.hregion.max.filesize
解释：默认值 10737418240（10GB），如果需要运行 HBase 的 MR 任务，可以减小此值，因为一个 region 对应一个 map 任务，如果单个 region 过大，会导致 map 任务执行时间过长。该值的意思就是，如果 HFile 的大小达到这个数值，则这个 region 会被切分为两
个 Hfile。

7．优化 HBase 客户端缓存
hbase-site.xml

属性：hbase.client.write.buffer
解释：用于指定 Hbase 客户端缓存，增大该值可以减少 RPC 调用次数，但是会消耗更多内
存，反之则反之。一般我们需要设定一定的缓存大小，以达到减少 RPC 次数的目的。

8．指定 scan.next 扫描 HBase 所获取的行数
hbase-site.xml

属性：hbase.client.scanner.caching
解释：用于指定 scan.next 方法获取的默认行数，值越大，消耗内存越大。

9．flush、compact、split 机制
解释:

当 MemStore 达到阈值，将 Memstore 中的数据 Flush 进 Storefile；compact 机制则是把 flush出来的小文件合并成大的 Storefile 文件。split 则是当 Region 达到阈值，会把过大的 Region一分为二。

涉及属性：

hbase.hregion.majorcompaction:默认7天, 设置为0,比较耗费资源和时间,一般自己手动进行合并

即：128M 就是 Memstore 的默认阈值
hbase.hregion.memstore.flush.size：134217728

即：这个参数的作用是当单个 HRegion 内所有的 Memstore 大小总和超过指定值时，flush
该 HRegion 的所有 memstore。RegionServer 的 flush 是通过将请求添加一个队列，模拟生
产消费模型来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求
时，可能会导致内存陡增，最坏的情况是触发 OOM。 hbase.regionserver.global.memstore.upperLimit：0.4
hbase.regionserver.global.memstore.lowerLimit：0.38
即：当 MemStore 使用内存总量达到hbase.regionserver.global.memstore.upperLimit 指定值时,将会有多个 MemStores flush 到文件中，MemStore flush 顺序是按照大小降序执行的，直到刷新到 MemStore 使用内存略小于 lowerLimit