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
三. HBase的写表优化
1 多HTable并发写
创建多个HTable客户端用于写操作，提高写数据的吞吐量，一个例子：
static final Configuration conf =HBaseConfiguration.create();static final String table_log_name =“user_log”;
wTableLog= newHTable[tableN];for (int i = 0; i < tableN; i++) {
wTableLog[i]= newHTable(conf, table_log_name);
wTableLog[i].setWriteBufferSize(5 * 1024 * 1024); //5MB
wTableLog[i].setAutoFlush(false);
}
2 HTable参数设置
Auto Flush
通过调用HTable.setAutoFlush(false)方法可以将HTable写客户端的自动flush关闭，这样可以批量写入数据到HBase，而不是有一条put就执行一次更新，只有当put填满客户端写缓存时，才实际向HBase服务端发起写请求。默认情况下auto flush是开启的。
Write Buffer
通过调用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HBae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，对于相对不太重要的数据，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，从而提高数据写入的性能。
值得注意的是：谨慎选择关闭WAL日志，因为这样的话，一旦RegionServer宕机，Put/Delete的数据将会无法根据WAL日志进行恢复。
3 批量写
通过调用HTable.put(Put)方法可以将一个指定的row key记录写入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row key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I/O开销，这对于对数据实时性要求高，网络传输RTT高的情景下可能带来明显的性能提升。
4多线程并发写
在客户端开启多个HTable写线程，每个写线程负责一个HTable对象的flush操作，这样结合定时flush和写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(如1秒内)，同时又保证在数据量大的时候，写buffer一满就及时进行flush。下面给个具体的例子：
for (int i = 0; i < threadN; i++) {
Thread th= newThread() {public voidrun() {while (true) {try{
sleep(1000); //1 second
} catch(InterruptedException e) {
e.printStackTrace();
}
synchronized (wTableLog[i]) {try{
wTableLog[i].flushCommits();
}catch(IOException e) {
e.printStackTrace();
}
}
}
}
};
th.setDaemon(true);
th.start();
}
四. HBase的读表优化
1 多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，一个例子：
static final Configuration conf =HBaseConfiguration.create();static final String table_log_name =“user_log”;
rTableLog= newHTable[tableN];for (int i = 0; i < tableN; i++) {
rTableLog[i]= newHTable(conf, table_log_name);
rTableLog[i].setScannerCaching(50);
}
2 HTable参数设置
Scanner Caching
hbase.client.scanner.caching配置项可以设置HBase scanner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：三者的优先级越来越高。
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；
3)通过调用Scan.setCaching(int caching)进行配置。
Scan Attribute Selection
scan时指定需要的Column Family，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Column Family的数据。
Close ResultScanner
通过scan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)。
3 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)方法可以根据一个指定的row key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I/O开销，这对于对数据实时性要求高而且网络传输RTT高的情景下可能带来明显的性能提升。
4 多线程并发读
在客户端开启多个HTable读线程，每个读线程负责通过HTable对象进行get操作。下面是一个多线程并发读取HBase，获取店铺一天内各分钟PV值的例子：
public classDataReaderServer {//获取店铺一天内各分钟PV值的入口函数
public static ConcurrentHashMap getUnitMinutePV(long uid, long startStamp, longendStamp){long min =startStamp;int count = (int)((endStamp - startStamp) / (60*1000));
List lst = new ArrayList();for (int i = 0; i <= count; i++) {
min= startStamp + i * 60 * 1000;
lst.add(uid+ "_" +min);
}returnparallelBatchMinutePV(lst);
}//多线程并发查询，获取分钟PV值
private static ConcurrentHashMap parallelBatchMinutePV(ListlstKeys){
ConcurrentHashMap hashRet = new ConcurrentHashMap();int parallel = 3;
List> lstBatchKeys = null;if (lstKeys.size()
lstBatchKeys= new ArrayList>(1);
lstBatchKeys.add(lstKeys);
}else{
lstBatchKeys= new ArrayList>(parallel);for(int i = 0; i < parallel; i++){
List lst = new ArrayList();
lstBatchKeys.add(lst);
}for(int i = 0 ; i < lstKeys.size() ; i ++){
lstBatchKeys.get(i%parallel).add(lstKeys.get(i));
}
}
List >> futures = new ArrayList >>(5);
ThreadFactoryBuilder builder= newThreadFactoryBuilder();
builder.setNameFormat("ParallelBatchQuery");
ThreadFactory factory=builder.build();
ThreadPoolExecutor executor=(ThreadPoolExecutor) Executors.newFixedThreadPool(lstBatchKeys.size(), factory);for(Listkeys : lstBatchKeys){
Callable< ConcurrentHashMap > callable = newBatchMinutePVCallable(keys);
FutureTask< ConcurrentHashMap > future = (FutureTask< ConcurrentHashMap >) executor.submit(callable);
futures.add(future);
}
executor.shutdown();//Wait for all the tasks to finish
try{
boolean stillRunning= !executor.awaitTermination(5000000, TimeUnit.MILLISECONDS);if(stillRunning) {try{
executor.shutdownNow();
}catch(Exception e) {//TODO Auto-generated catch block
e.printStackTrace();
}
}
}catch(InterruptedException e) {try{
Thread.currentThread().interrupt();
}catch(Exception e1) {//TODO Auto-generated catch block
e1.printStackTrace();
}
}//Look for any exception
for(Future f : futures) {try{if(f.get() != null)
{
hashRet.putAll((ConcurrentHashMap)f.get());
}
}catch(InterruptedException e) {try{
Thread.currentThread().interrupt();
}catch(Exception e1) {//TODO Auto-generated catch block
e1.printStackTrace();
}
}catch(ExecutionException e) {
e.printStackTrace();
}
}returnhashRet;
}//一个线程批量查询，获取分钟PV值
protected static ConcurrentHashMap getBatchMinutePV(ListlstKeys){
ConcurrentHashMap hashRet = null;
List lstGet = new ArrayList();
String[] splitValue= null;for(String s : lstKeys) {
splitValue= s.split("_");long uid = Long.parseLong(splitValue[0]);long min = Long.parseLong(splitValue[1]);byte[] key = new byte[16];
Bytes.putLong(key,0, uid);
Bytes.putLong(key,8, min);
Get g= newGet(key);
g.addFamily(fp);
lstGet.add(g);
}
Result[] res= null;try{
res= tableMinutePV[rand.nextInt(tableN)].get(lstGet);
}catch(IOException e1) {
logger.error("tableMinutePV exception, e=" +e1.getStackTrace());
}if (res != null && res.length > 0) {
hashRet= new ConcurrentHashMap(res.length);for(Result re : res) {if (re != null && !re.isEmpty()) {try{byte[] key =re.getRow();byte[] value =re.getValue(fp, cp);if (key != null && value != null) {
hashRet.put(String.valueOf(Bytes.toLong(key,
Bytes.SIZEOF_LONG)), String.valueOf(Bytes
.toLong(value)));
}
}catch(Exception e2) {
logger.error(e2.getStackTrace());
}
}
}
}returnhashRet;
}
}//调用接口类，实现Callable接口
class BatchMinutePVCallable implements Callable>{private Listkeys;public BatchMinutePVCallable(ListlstKeys ) {this.keys =lstKeys;
}public ConcurrentHashMapcall() throws Exception {returnDataReadServer.getBatchMinutePV(keys);
}
}
5 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，如果存在则直接返回，不再查询HBase；否则对HBase发起读请求查询，然后在应用程序中将查询结果缓存起来。至于缓存的替换策略，可以考虑LRU等常用的策略。
6Blockcache
HBase上Regionserver的内存分为两个部分，一部分作为Memstore，主要用来写；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Memstore满64MB以后，会启动 flush刷新到磁盘。当Memstore的总大小超过限制时(heapsize * hbase.regionserver.global.memstore.upperLimit * 0.9)，会强行启动flush进程，从最大的Memstore开始flush直到低于限制。
读请求先到Memstore中查数据，查不到就到BlockCache中查，再查不到就会到磁盘上读，并把读的结果放入BlockCache。由于BlockCache采用的是LRU策略，因此BlockCache达到上限(heapsize * hfile.block.cache.size * 0.85)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，它们的大小之和不能大于等于heapsize * 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BlockCache设大些，比如设置BlockCache=0.4，Memstore=0.39，以加大缓存的命中率。
五. HTable与HTablePool
HTable和HTablePool都是HBase客户端API的一部分，可以使用它们对HBase表进行CRUD操作。下面结合在项目中的应用情况，对二者使用过程中的注意事项做一下概括总结。
Configuration conf =HBaseConfiguration.create();try (Connection connection =ConnectionFactory.createConnection(conf)) {try (Table table =connection.getTable(TableName.valueOf(tablename)) {//use table as needed, the table returned is lightweight}
}
1.HTable
HTable是HBase客户端与HBase服务端通讯的Java API对象，客户端可以通过HTable对象与服务端进行CRUD操作(增删改查)。它的创建很简单：
Configuration conf =HBaseConfiguration.create();
HTable table= new HTable(conf, "tablename");//TODO CRUD Operation……
HTable使用时的一些注意事项：
1.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，可能会耗时几秒钟之长，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Java API，一般来说是在构造函数中进行创建，程序启动后直接重用。
2.HTable对象不是线程安全的
HTable对象对于客户端读写数据来说不是线程安全的，因此多线程时，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 flash被置为false时，由于存在本地write buffer，可能导致数据不一致。
3.HTable对象之间共享Configuration
HTable对象共享Configuration对象，这样的好处在于：
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，客户端缓存这些公共资源后能够减少后续的网络传输开销，加快查找过程速度。
因此，与以下这种方式相比：
HTable table1 = new HTable("table1");
HTable table2 = new HTable("table2");
下面的方式更有效些：
Configuration conf =HBaseConfiguration.create();
HTable table1= new HTable(conf, "table1");
HTable table2= new HTable(conf, "table2");
备注：即使是高负载的多线程程序，也并没有发现因为共享Configuration而导致的性能问题；如果你的实际情况中不是如此，那么可以尝试不共享Configuration。
2. HTable Pool
HTablePool可以解决HTable存在的线程不安全问题，同时通过维护固定数量的HTable对象，能够在程序运行期间复用这些HTable资源对象。
Configuration conf =HBaseConfiguration.create();
HTablePool pool= new HTablePool(conf, 10);
1. HTablePool可以自动创建HTable对象，而且对客户端来说使用上是完全透明的，可以避免多线程间数据并发修改问题。
2. HTablePool中的HTable对象之间是公用Configuration连接的，能够可以减少网络开销。
HTablePool的使用很简单：每次进行操作前，通过HTablePool的getTable方法取得一个HTable对象，然后进行put/get/scan/delete等操作，最后通过HTablePool的putTable方法将HTable对象放回到HTablePool中。
下面是个使用HTablePool的简单例子：
public voidcreateUser(String username, String firstName, String lastName, String email, String password, String roles) throws IOException {
HTable table=rm.getTable(UserTable.NAME);
Put put= newPut(Bytes.toBytes(username));
put.add(UserTable.DATA_FAMILY, UserTable.FIRSTNAME,
Bytes.toBytes(firstName));
put.add(UserTable.DATA_FAMILY, UserTable.LASTNAME,Bytes.toBytes(lastName));
put.add(UserTable.DATA_FAMILY, UserTable.EMAIL, Bytes.toBytes(email));
put.add(UserTable.DATA_FAMILY, UserTable.CREDENTIALS,Bytes.toBytes(password));
put.add(UserTable.DATA_FAMILY, UserTable.ROLES, Bytes.toBytes(roles));
table.put(put);
table.flushCommits();
rm.putTable(table);
}
HBase和DBMS比较：
查询数据不灵活：
1、 不能使用column之间过滤查询
2、 不支持全文索引。使用solr和hbase整合完成全文搜索。
a) 使用MR批量读取hbase中的数据，在solr里面建立索引(no store)之保存rowkey的值。
b) 根据关键词从索引中搜索到rowkey(分页)
c) 根据rowkey从hbase查询所有数据
扫一扫
679
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
