HBase写入过快性能分析及调优

一、简单回顾HBase整个写入流程

client api ==> RPC ==>  server IPC ==> RPC queue ==> RPC handler ==> write WAL ==> write memstore ==> flush to  filesystem=>  server IPC ==> RPC queue ==> RPC handler ==> write WAL ==> write memstore ==> flush to  filesystem

整个写入流程从客户端调用API开始，数据会通过protobuf编码成一个请求，通过scoket实现的IPC模块被送达server的RPC队列中。最后由负责处理RPC的handler取出请求完成写入操作。写入会先写WAL文件，然后再写一份到内存中，也就是memstore模块，当满足条件时，memstore才会被flush到底层文件系统，形成HFile。

二、当写入过快时会遇见什么问题

HBase会检查Memstore的大小，如果Memstore超过设定的blockingMemStoreSize则触发flush的操作，并抛出RegionTooBusyException，阻塞写操作的进行。如下源码所示：

private void checkResources() throws RegionTooBusyException {    // If catalog region, do not impose resource constraints or block updates.    // 如果是Meta Region，不实施资源约束或阻塞更新    if (this.getRegionInfo().isMetaRegion()) return;    // 如果Region当前内存大小超过阈值    // 这个memstoreSize是当前时刻HRegion上MemStore的大小，它是在Put、Append等操作中调用addAndGetGlobalMemstoreSize()方法实时更新的。    // 而blockingMemStoreSize是HRegion上设定的MemStore的一个阈值，当MemStore的大小超过这个阈值时，将会阻塞数据更新操作    if (this.memstoreSize.get() > this.blockingMemStoreSize) {       // 更新阻塞请求计数器       blockedRequestsCount.increment();       // 请求刷新Region       requestFlush();       // 抛出RegionTooBusyException异常       throw new RegionTooBusyException("Above memstore limit, " +           "regionName=" + (this.getRegionInfo() == null ? "unknown" :           this.getRegionInfo().getRegionNameAsString()) +           ", server=" + (this.getRegionServerServices() == null ? "unknown" :           this.getRegionServerServices().getServerName()) +           ", memstoreSize=" + memstoreSize.get() +           ", blockingMemStoreSize=" + blockingMemStoreSize);       }   }
    // If catalog region, do not impose resource constraints or block updates.
    // 如果是Meta Region，不实施资源约束或阻塞更新
    if (this.getRegionInfo().isMetaRegion()) return;

    // 如果Region当前内存大小超过阈值
    // 这个memstoreSize是当前时刻HRegion上MemStore的大小，它是在Put、Append等操作中调用addAndGetGlobalMemstoreSize()方法实时更新的。
    // 而blockingMemStoreSize是HRegion上设定的MemStore的一个阈值，当MemStore的大小超过这个阈值时，将会阻塞数据更新操作
    if (this.memstoreSize.get() > this.blockingMemStoreSize) {
       // 更新阻塞请求计数器
       blockedRequestsCount.increment();

       // 请求刷新Region
       requestFlush();

       // 抛出RegionTooBusyException异常
       throw new RegionTooBusyException("Above memstore limit, " +
           "regionName=" + (this.getRegionInfo() == null ? "unknown" :
           this.getRegionInfo().getRegionNameAsString()) +
           ", server=" + (this.getRegionServerServices() == null ? "unknown" :
           this.getRegionServerServices().getServerName()) +
           ", memstoreSize=" + memstoreSize.get() +
           ", blockingMemStoreSize=" + blockingMemStoreSize);
       }

   }

blockingMemStoreSize的大小由hbase.hregion.memstore.flush.size和hbase.hregion.memstore.block.multiplier共同作用，等于两者相乘，我们的hbase.hregion.memstore.flush.size设置的是256M，hbase.hregion.memstore.block.multiplier设置的是3，因此：blockingMemStoreSize=805306368。具体的blockingMemStoreSize计算的代码如下：

  this.blockingMemStoreSize = this.memstoreFlushSize *       conf.getLong(HConstants.HREGION_MEMSTORE_BLOCK_MULTIPLIER,               HConstants.DEFAULT_HREGION_MEMSTORE_BLOCK_MULTIPLIER);this.memstoreFlushSize *
       conf.getLong(HConstants.HREGION_MEMSTORE_BLOCK_MULTIPLIER,
               HConstants.DEFAULT_HREGION_MEMSTORE_BLOCK_MULTIPLIER);

 

写入过快时，memstore的水位会马上被推高。

你可能会看到以下类似日志：

  RegionTooBusyException: Above memstore limit, regionName=xxxxx ...

这个是Region的memstore占用内存大小超过正常的4倍，这时候会抛异常，写入请求会被拒绝，客户端开始重试请求。当达到128M的时候会触发flush memstore，当达到128M * 4还没法触发flush时候会抛异常来拒绝写入。两个相关参数的默认值如下：

1hbase.hregion.memstore.flush.size=128M2hbase.hregion.memstore.block.multiplier=4flush.size=128M
2hbase.hregion.memstore.block.multiplier=4

或者这样的日志：

1regionserver.MemStoreFlusher: Blocking updates on hbase.example.host.com,16020,1522286703886: the global memstore size 1.3 G is >= than blocking 1.3 G size2regionserver.MemStoreFlusher: Memstore is above high water mark and block 528mson hbase.example.host.com,16020,1522286703886: the global memstore size 1.3 G is >= than blocking 1.3 G size
2regionserver.MemStoreFlusher: Memstore is above high water mark and block 528ms

这是所有region的memstore内存总和开销超过配置上限，默认是配置heap的40%，这会导致写入被阻塞。目的是等待flush的线程把内存里的数据flush下去，否则继续允许写入memestore会把内存写爆

1hbase.regionserver.global.memstore.upperLimit=0.4  # 较旧版本，新版本兼容2hbase.regionserver.global.memstore.size=0.4 # 新版本global.memstore.upperLimit=0.4  # 较旧版本，新版本兼容
2hbase.regionserver.global.memstore.size=0.4 # 新版本

当写入请求由于达到memstore上限而被阻塞，队列会开始积压，如果运气不好最后会导致OOM，你可能会发现JVM由于OOM crash或者看到如下类似日志：

1ipc.RpcServer: /192.168.x.x:16020 is unable to read call parameter from client 10.47.x.x2java.lang.OutOfMemoryError: Java heap spacecall parameter from client 10.47.x.x
2java.lang.OutOfMemoryError: Java heap space

HBase这里我认为有个很不好的设计，捕获了OOM异常却没有终止进程。这时候进程可能已经没法正常运行下去了，你还会在日志里发现很多其它线程也抛OOM异常。比如stop可能根本stop不了，RS可能会处于一种僵死状态。

三、如何避免RS OOM？

一种是加快flush速度：

1hbase.hstore.blockingWaitTime = 90000 ms2hbase.hstore.flusher.count = 23hbase.hstore.blockingStoreFiles = 10
2hbase.hstore.flusher.count = 2
3hbase.hstore.blockingStoreFiles = 10

当达到hbase.hstore.blockingStoreFiles配置上限时，会导致flush阻塞等到compaction工作完成。阻塞时间是hbase.hstore.blockingWaitTime，可以改小这个时间。hbase.hstore.flusher.count可以根据机器型号去配置，可惜这个数量不会根据写压力去动态调整，配多了，非导入数据多场景也没用，改配置还得重启。

同样的道理，如果flush加快，意味这compaction也要跟上，不然文件会越来越多，这样scan性能会下降，开销也会增大。

1hbase.regionserver.thread.compaction.small = 12hbase.regionserver.thread.compaction.large = 1
2hbase.regionserver.thread.compaction.large = 1

增加compaction线程会增加CPU和带宽开销，可能会影响正常的请求。如果不是导入数据，一般而言是够了。好在这个配置在云HBase内是可以动态调整的，不需要重启。

上述配置都需要人工干预，如果干预不及时server可能已经OOM了，这时候有没有更好的控制方法？

1hbase.ipc.server.max.callqueue.size = 1024 * 1024 * 1024 # 1G# 1G

直接限制队列堆积的大小。当堆积到一定程度后，事实上后面的请求等不到server端处理完，可能客户端先超时了。并且一直堆积下去会导致OOM，1G的默认配置需要相对大内存的型号。当达到queue上限，客户端会收到CallQueueTooBigException 然后自动重试。通过这个可以防止写入过快时候把server端写爆，有一定反压作用。线上使用这个在一些小型号稳定性控制上效果不错。

 

往期推荐

1、HBase最佳实践 | 聊聊HBase核心配置参数
2、Apache Hudi：剑指数据湖的增量处理框架
3、Hadoop社区比 Ozone 更重要的事情
4、MapReduce Shuffle 和 Spark Shuffle 结业篇