HBase-3-优化

protocol Buffer：是一种轻便高效的结构化数据存储格式，可用于结构化数据串行化，或者说序列化。它很适合做数据存储或RPC数据交换格式。可用于通讯协议，数据存储等领域的语言无关，平台无关，可扩展的序列化结构数据格式，目前提供了java，c++,Python等三种语言的API。

• 表的设计：

  • 预分区：
    默认情况下，创建HBase表时会自动创建一个region分区，当导入数据时，所有的HBase客户端都向这个region写入数据，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的一些空的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。
  • RowKey
    HBase中rowKey用来检索表中的记录，支持一下三种方式：
    1-通过单个rowkey访问：即按照某个rowKey键值进行get操作；
    2-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
    3-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，最大长度为64K，实际应用中一般为10-100byte，存为byte[]字节数组，一般设计为定长的。
    rowKey按照字典顺序存储，设计rowKey时，要充分利用这个排序特点，将经常一起读的数据存储到一块，将最近可能会被访问的数据放在一块。
    eg：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，由于是字典排序，所以可以使用Long.MaxValue - timestamp作为rowKey，这样可保证新写入的数据在读取时被快速命中。
    rowKey规则：
    1.越小越好
    2.RowKey的设计是根据实际业务来的
    3.散列性 1-取反（反序）如 001-100 ；2- 散列 hash
  • columnFamily
    不要在表中定义太多的columnFamily。目前HBase不能很好地处理超过2-3个columnFamily的表。因为某个column family在flush时，它临近的columnFamily也会因关联效应触发flush，最终导致系统产生更多的IO。
  • In Memory
    创建表时，可通过HColumnDescriptor.setInMemory(true)将表放到RegionServer的缓存中，保证在读取数据的时候被cache中。
  • MaxVersion
    在创建表时，通过HColumnDescriptor.setMaxVersions(int maxVersions)设置表中数据的最大版本，如果只需要保存最新版本，可设置setMaxVersions(1)
  • Time To Live
    创建表时，通过HColumnDescriptor.setTimeToLive(int timeToLive)设置表中数据的生命周期，过期数据将会被自动删除，例如如果只需存储最近两天的数据，那么可以设置setTimeToLive(22460*60)
  • Compact & Split
    在HBase中，数据在更新时，首先写入WAL日志（HLog）和内存(MemStore)中，MemStore中的数据是有序的，当MemStore累积到一定的阈值时，就会创建一个新的MemStore，并将老的MemStore添加到flush队列，由单独的线程flush到磁盘，成为一个StoreFile，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（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的大小达到一定的阈值后，又会对Store File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中的全部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，通常合并较快。
    实际应用中，可以考虑必要时手动进行major compact，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设置大一点，减少split的发生。

• 写表操作

  • 多HTable并发写
    创建多个HTable客户端用于写操作，提高数据的吞吐量（用的少）
  • HTable参数设置
    • Auto Flush
      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填满客户端写操作时，才实际向HBase服务发起写请求。默认情况下autoflush是开启的。
    • Write Buffer
      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。
    • WAL Flag
      在HBase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，从而提高数据写入性能。
      谨慎选择关闭WAL日志，因为这样的话，一旦RegionServer宕机，Put/Delete的数据将无法根据WAL日志进行恢复。
    • 批量写
      通过调用HTable.put方法可以将一个指定的rowKey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IO开销，这对于数据实时性要求高，网络传输RTT高的情境下可能带来明显的性能提升。
    • 多线程并发写
      再客户端开启多个HTable写线程，每个写线程负责一个HTable的flush操作，这样结合定时flush和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，同时又保证在数据量大的时候，写buffer一满就及时进行flush，

• 读表操作

  • 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。

  • HTable参数设置

    • Scanner Caching
      hbase.client.scanner.caching配置项可以设置HBaseScanner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；(使用最多)
      3>通过调用Scan.setCaching(int caching)进行配置。
      三者优先级别越来越高
    • Scan Attribute Selection
      scan时需指定需要的ColumnFamily，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的Column Family的数据
    • Close ResultScanner
      通过scanner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)

  • 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<\Get>)方法可以根据一个指定的rowKey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IO开销，这对于数据实时性要求高而且网络传输RTT高的情境下可能带来明显的性能提升。

  • 多线程并发读

  • 缓存查询结果
    对于频繁查询HBase的应用场景，可以考虑在应用程序中做缓存，当有新的查询请求时，首先在缓存中查找，如果存在直接返回，不再查询HBase，否则对HBase发起请求查询，然后在应用程序中将查询结果缓存。

  • BlockCache
    HBase上RegionServer的内存分为两个部分，一部分作为MemStore，主要用来做写缓存；另外一部分作为BlockCache，主要用于读。
    写请求会先写入MemStore，RegionServer会给每个region提供一个Memstore，当MenStore满64MB之后，会启动flush刷写到磁盘。当MemStore的总大小超过限制(heapsizeshbase.regionserver.global.memstore.upperLimit0.9),会强行启动flush进程，从最大的MemStore开始flush直到低于限制。
    读请求首先到MemStore中查数据，查不到就到BlockCache中查，再查不到就到磁盘上读，并将读的结果放入BlockCache。由于BlockCache采用的是LRU策略，因此BlockCache达到上限(heapsizehfile.block.cache.size0.85)后，会启动淘汰机制，淘汰掉最老的一批数据。
    一个RegionServer上有一个BlockCache和N个Memstore，它们的和不能大于等于heapszie*0.8,否则HBase不能启动。默认BlockCache为0.2而MemStore为0.4。对于注重读响应时间的系统，可以将BlokCache调大，比如设置BlockCache=0.4，Memstore=0.39，以加大缓存的命中率。

• HTable和HTablePool使用注意事项
  HTable和HTablePool都是HBase客户端API，使用其进行CRUD

  • 规避HTable对象的创建开销
    因为客户端创建HTable对象后，需要进行一系列的操作；检查.meta表确认指定名称的HBase表是否存在，表是否有效等等。整个时间开销比较重，可能会耗时几秒。因此最好在程序启动时一次性创建完成需要的HTable对象，如果使用javaAPI，一般是在函数中进行创建，程序启动后直接重用。
  • HTable对象不是线程安全的
    HTable对象对于客户端来说不是线程安全的。因此在多线程环境下，要为每个线程单独创建复用一个HTable对象，不同对象间不要共享HTable对象使用，特别是在客户端auto flush被置为false时，由于存在本地write buffer，可能导致数据不一致。
  • HTable对象间共享Configuration，好处在于：
    • 共享zookeeper的连接：每个客户端需要与zookeeper建立连接，查询用户的table regions位置，这些信息可以在连接建立后缓存起来共享使用。
    • 共享公共的资源：客户端需要通过zookeeper查找-ROOT-和.META.表，这个需要网络传输开销，客户端缓存这些客户端资源后能够减少后续的网络传输开销，加快查找过程速度。