6. HBase优化

最新推荐文章于 2022-11-01 11:32:42 发布

喵先生呢

最新推荐文章于 2022-11-01 11:32:42 发布

阅读量172

点赞数

分类专栏： Hbase 文章标签：大数据 hbase

本文链接：https://blog.csdn.net/weixin_45267102/article/details/113445222

版权

Hbase 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

文章目录

HBase优化

1. 高可用

在 HBase 中 HMaster 负责监控 HRegionServer 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。

#1．关闭 HBase 集群（如果没有开启则跳过此步）
bin/stop-hbase.sh

#2．在 conf 目录下创建 backup-masters 文件
touch conf/backup-masters

#3．在 backup-masters 文件中配置高可用 HMaster 节点
echo hadoop101 > conf/backup-masters

#4．将整个 conf 目录 scp 到其他节点
scp  -r  conf/ hadoop101:/opt/module/hbase/
scp  -r  conf/ hadoop102:/opt/module/hbase/

#5．打开页面测试查看
http://hadooo101:16010

在这里插入图片描述

2. 预分区☆

每一个 region 维护着 StartRow 与 EndRow，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。

#1、手动设定预分区Hbase>  
create  'staff1','info','partition1',SPLITS  => ['1000','2000','3000','4000']

#2、生成 16 进制序列预分区
create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO =>'HexStringSplit'}
#3、按照文件中设置的规则预分区
#创建 splits.txt 文件内容如下：
aaaa
cccc
bbbb
dddd
#然后执行：
create 'staff3','partition3',SPLITS_FILE => '/opt/module/hbase/splits.txt'

#4．使用 JavaAPI 创建预分区
#自定义算法，产生一系列 hash 散列值存储在二维数组中
byte[][] splitKeys = 某个散列值函数
#创建 HbaseAdmin 实例
HBaseAdmin hAdmin = new HBaseAdmin(HbaseConfiguration.create());
#创建 HTableDescriptor 实例
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
#通过 HTableDescriptor 实例和散列值二维数组创建带有预分区的 Hbase 表
hAdmin.createTable(tableDesc, splitKeys);

3. RowKey ☆☆

一条数据的唯一标识就是 RowKey，那么这条数据存储于哪个分区，取决于 RowKey 处于哪个一个预分区的区间内，设计 RowKey 的主要目的，就是让数据均匀的分布于所有的region 中，在一定程度上防止数据倾斜。接下来我们就谈一谈 RowKey 常用的设计方案。

#1、生成随机数、hash、散列值
#比如：
#原 本 rowKey 为 1001 的 ， SHA1 后 变 成 ：
    dd01903921ea24941c26a48f2cec24e0bb0e8cc7
#原 本 rowKey 为 3001 的 ， SHA1 后 变 成 ：
    49042c54de64a1e9bf0b33e00245660ef92dc7bd
#原 本 rowKey 为 5001 的 ， SHA1 后 变 成 ：
    7b61dec07e02c188790670af43e717f0f46e8913
#在做此操作之前，一般我们会选择从数据集中抽取样本，来决定什么样的 rowKey 来 Hash后作为每个分区的临界值。
#2、字符串反转
    20170524000001 转成 10000042507102
    20170524000002 转成 20000042507102
#这样也可以在一定程度上散列逐步 put 进来的数据。
#3、字符串拼接
    20170524000001_a12e
    20170524000001_93i7

4. 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。

5. 基础优化

5.1 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。

5.2 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

5.3 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。

5.4 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。

5.5 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。

5.6 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。