一、HBase高可用
-
在HBase中Hmaster负责监控RegionServer的生命周期,均衡RegionServer的负载,如果Hmaster挂掉了,那么整个HBase集群将陷入不健康的状态,并且此时的工作状态并不会维持太久。所以HBase支持对Hmaster的高可用配置。
-
关闭HBase集群
-
在conf目录下创建backup-masters文件
vim backup-masters
- 在backup-masters文件中加入配置高可用的HMaster节点,格式和regionservers中一样
- 将backup-masters文件配置到其他节点
二、预分区
-
每一个region维护着startRow与endRowKey,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,我们可以将数据所要投放的分区提前大致的规划好,以提高HBase性能。
-
手动设定预分区
create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']
- 生成16进制序列预分区
- 如果使用HexStringSplit算法,随机生成region的边界,在插入一条数据时,rowkey必须先采取HexString,转为16进制,再插入到表中。
create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
- 按照文件中设置的规则预分区
- 先创建splits文件,内容如下:
aaaa
bbbb
cccc
dddd
- 然后执行
create 'staff3','partition3',SPLITS_FILE => 'splits'
- 使用javaAPI创建分区
// 创建表
public static boolean createTable(Connection conn, String tablename, String nsname, String...cfs) throws IOException {
// 校验表名
TableName tn = checkTableName(tablename, nsname);
if (tn == null) {
return false;
}
// 至少需要传入一个列族
if (cfs.length < 1) {
logger.error("至少需要指定一个列族!");
return false;
}
Admin admin = conn.getAdmin();
// 创建表的描述
HTableDescriptor hTableDescriptor = new HTableDescriptor(tn);
// 将列族的描述添加到表的描述中
for (String cf : cfs) {
HColumnDescriptor hColumnDescriptor = new HColumnDescriptor(cf);
// 添加列族的设置
hColumnDescriptor.setMaxVersions(10);
hColumnDescriptor.setMinVersions(3);
hTableDescriptor.addFamily(hColumnDescriptor);
}
// 根据表的描述创建表
// admin.createTable(hTableDescriptor);
// 预分区的建表,指定startkey(起始key),endKey(终止key),numRegions(分几个区) >=3
// admin.createTable(hTableDescriptor, Bytes.toBytes("aaaa"), Bytes.toBytes("dddd"), 4);
// 自定义边界
byte[][] splitKeys = new byte[4][];
splitKeys[0] = Bytes.toBytes("aaaa");
splitKeys[1] = Bytes.toBytes("bbbb");
splitKeys[2] = Bytes.toBytes("cccc");
splitKeys[3] = Bytes.toBytes("dddd");
admin.createTable(hTableDescriptor, splitKeys);
admin.close();
return true;
}
三、RowKey设计
- 使用字符串拼接设计Rowkey
- rowkey作为数据的唯一主键,需要紧密和业务相关,从业务中选择某个代表性的字段作为rowkey
- 保证rowkey字段选取时的唯一性,不重复性
- rowkey足够散列,负载均衡
- 让有业务关联的rowkey尽量分布到一个region中
- 生成随机数、hash、散列值
- 字符串反转
- 例如:日期
四、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。
五、基础优化
- 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。
- 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
- 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。
- 优化数据的写入效率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。
- 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。
- 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。
-
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。
- 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。
六、布隆过滤器
- 过滤功能:在海量数据中,用非常高的效率和性能,判断一个数据是否在集合中存在。
- 作用:布隆过滤器只能判断一个数据要么一定在集合中不存在,要么在集合中可能存在。
- 误判: 布隆过滤器判断数据可能存在,实际扫描后,发现不存在,这种情况有存在的几率。
- HBase中如何设置
- HBase中通过列族设置过滤器。
- HBase支持两种布隆过滤器:ROW|ROWCOL
- ROW: 布隆过滤器在计算时,使用每行的rowkey作为参数,进行判断
- ROWCOL: 布隆过滤器在计算时,使用每行的rowkey和column一起作为参数,进行判断