HBase快速入门系列 （八）| HBase 的优化

HBase 优化

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）

[root@Bigdata01 hbase]$ bin/stop-hbase.sh

2．在 conf 目录下创建 backup-masters 文件

[root@Bigdata01 hbase]$ touch conf/backup-masters

3．在 backup-masters 文件中配置高可用 HMaster 节点

[root@Bigdata01 hbase]$ echo Bigdata02 > conf/backup-masters

4．将整个 conf 目录 scp 到其他节点

[root@Bigdata01 hbase]$ scp -r conf/ Bigdata02:/opt/module/hbase/
[root@Bigdata01 hbase]$ scp -r conf/ Bigdata03:/opt/module/hbase/

5．打开页面测试查看

http://Bigdata01:16010

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
bbbb
cccc
dddd

然后执行：

create 'staff3','partition3',SPLITS_FILE => 'splits.txt'

4．使用 JavaAPI 创建预分区

public class HbaseAPI{
 //创建上下文对象
    public static Configuration conf ;
    //创建Hbase连接池
    public static Connection conn = null;
    //创建 管理员
    public static Admin admin = null;


    //静态代码块,优先执行
    static {
        try {
            //创建上下文对象并连接hbase属性
            conf = HBaseConfiguration.create();
            conf.set( "hbase.zookeeper.quorum","Bigdata01,Bigdata02,Bigdata03" );
            //连接池调用工厂连接类
            conn = ConnectionFactory.createConnection( conf );
            //用连接池获取hbase的管理员
            admin = conn.getAdmin();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }


    public static void close(){
        try {
            //如果管理员不等于空则关闭资源
            if(admin != null) {
                admin.close();
            }
        } catch (IOException e) {
            e.printStackTrace();
        }

        try {
            //如果连接不等于空则关闭连接
            if(conn != null){
                conn.close();
            }
        }catch (IOException e){
            e.printStackTrace();
        }
    }


 public static void main(String[] args) throws IOException {
 		//获取管理员
        Admin admin = conn.getAdmin();
		//创建字节分区
        byte[][] splitKeys = new byte[3][];
		//设置分区值
        splitKeys[0]=Bytes.toBytes("1000");
        splitKeys[1]=Bytes.toBytes("2000");
        splitKeys[2]=Bytes.toBytes("3000");
		//创建表描述器
        HTableDescriptor desc = new HTableDescriptor(TableName.valueOf("staff3"));
		//添加列族
        desc.addFamily(new HColumnDescriptor("info"));
		//创建表分区
        admin.createTable(desc,splitKeys);
		//关闭资源
        admin.close();

    }
}

RowKey设计

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

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。

基础优化

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。

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

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。

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，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。

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。

7，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。

8，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。

9，flush、compact、split机制

当MemStore达到阈值，将Memstore中的数据Flush进Storefile；compact机制则是把flush出来的小文件合并成大的Storefile文件。split则是当Region达到阈值，会把过大的Region一分为二。
涉及属性：
即：128M就是Memstore的默认阈值

hbase.hregion.memstore.flush.size：134217728

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