HBase优化

一.表设计

　　1.预分区【Pre-Creating Regions】

　　　　默认情况下，在创建HBase表的时候会自动创建一个region分区，当写入数据时，所有的HBase客户端都向这一个region写数据，直到这个region足够大时才进行切分。因此，为了提高批量写入的效率可以预先创建好多个分区【这个要和rowkey的设计紧密关联】，这样当数据写入HBase时会按照region分区的情况，不同rowkey类型的数据写入对应的分区中，写入数据的速度会大大提高，同时也做到了数据的负载均衡。

　　2.Row Key【行键】

　　　　HBase中的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，及直接扫描整张表中所有行记录。

　　　　备注：

　　　　　　1.在HBase中rowkey可以是任意字符串，最大长度64KB，实际应用中一般为10~100bytes，存为byte[]字节数组，一般设计成定长的。

　　　　　　2.rowkey是按照字典顺序存储，因此，可以在设计rowkey时充分利用这一点，将经常一起读取的数据存储到一块，将最近可能被访问的数据放在一块。

　　3.Column Family【列簇】

　　　　不要在一张表里定义太多的column family。目前HBase并不能很好的处理超过2~3个column family的表。因为某个column family在flush的时候，它邻近的column family因关联效应被触发flush，最终导致系统产生更多的I/O。

　　4.In Memory

　　　　创建表时，可以通过HColumnDescriptor.setInMemory(true)将表放到RegionServer缓存中，保证在读取的时候被cache命中。

　　5.Max Version

　　　　创建表时，可以通过HColumnDescriptor.setMaxVersions(int maxVersions)设置数据的最大最大版本。

　　6.Time To Live

　　　　创建表时，可以通过HColumnDescriptor.setTimeToLive(int timeToLive)设置表中数据的生命周期，过期数据将自动被删除，例如如果只需要存储最近一天的数据，那么可以设置为HColumnDescriptor.setTimeToLive(1 * 24 * 60 * 60)。

　　7.Compact & Split

　　　　在HBase中，数据在更新时首先写入WAL(HLog)和内存(MemStore)中，MemStore数据是排序的，当MemStore累计到一定阈值时，就会创建一个新的MemSotee，并且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。与此同时系统会在zookeeper中记录一个redo point，表示这个时刻之前的变更已经持久化了(minor compact)。

　　　　StoreFile是只读的，一旦创建后就不能再修改，因此HBase的更新其实是不断追加的过程，若一个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的大小达到一定阈值时又会对StoreFile进行切分(split)，等分成两个SotreFile。

　　　　由于对表的更新是不断追加的，处理读请求时，需要访问Store中全部的StoreFile和MemStore，将它们按照row key进行合并，由于StoreFile和MemSrore都是进行过排序的，并且StoreFile带有内存索引，通常合并过程是比较快的。

　　　　实际应用中，可以考虑必要时手动进行major compact，将同一个row key的修改进行合并形成一个大的StoreFile。同时可以将SoreFile设置大些，减少split的发生。

 

转载于:https://www.cnblogs.com/yszd/p/11044025.html