HBase 優化

時間 2019-12-05

標籤 hbase 優化欄目 Hadoop 简体版

原文原文鏈接

第 7 章HBase 優化

7.1 高可用

在 HBase 中 Hmaster 負責監控 RegionServer 的生命週期，均衡 RegionServer 的負載，如

果 Hmaster 掛掉了，那麼整個 HBase 集羣將陷入不健康的狀態，而且此時的工做狀態並不

會維持過久。因此 HBase 支持對 Hmaster 的高可用配置。

1．關閉 HBase 集羣（若是沒有開啓則跳過此步）

[lxl@hadoop102 hbase]$ bin/stop-hbase.sh

2．在 conf 目錄下建立 backup-masters 文件

[lxl@hadoop102 hbase]$ touch conf/backup-masters

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

[lxl@hadoop102 hbase]$ echo hadoop103 > conf/backup-masters

4．將整個 conf 目錄 scp 到其餘節點

[atguigu@hadoop102 hbase]$ scp -r conf/ hadoop103:/opt/module/hbase/
[atguigu@hadoop102 hbase]$ scp -r conf/ hadoop104:/opt/module/hbase/

或者使用分發文件的腳本：

[lxl@hadoop102 hbase]$ xsync conf/backup-masters

5．啓動hbase:

[lxl@hadoop102 hbase]$ bin/start-hbase.sh

starting master, logging to /opt/module/hbase/logs/hbase-lxl-master-hadoop102.out
hadoop102: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-lxl-regionserver-hadoop102.out
hadoop104: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-lxl-regionserver-hadoop104.out
hadoop103: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-lxl-regionserver-hadoop103.out
hadoop103: starting master, logging to /opt/module/hbase/bin/../logs/hbase-lxl-master-hadoop103.out
[lxl@hadoop102 hbase]$ util.sh
================ lxl@hadoop102 ================
13040 HMaster
2868 NodeManager
2949 JobHistoryServer
13190 HRegionServer
3115 QuorumPeerMain
2460 NameNode
13535 Jps
2575 DataNode
================ lxl@hadoop103 ================
8562 Jps
8307 HMaster
2868 QuorumPeerMain
8229 HRegionServer
2407 ResourceManager
2268 DataNode
2525 NodeManager
================ lxl@hadoop104 ================
2384 SecondaryNameNode
8864 Jps
2484 NodeManager
8676 HRegionServer
2646 QuorumPeerMain
2279 DataNodenode

6．打開頁面測試查看

http://hadooo102:16010

7.2 預分區

　　每個 region 維護着 startRow 與 endRowKey，若是加入的數據符合某個 region 維護的

rowKey 範圍，則該數據交給這個 region 維護。那麼依照這個原則，咱們能夠將數據所要投

放的分區提早大體的規劃好，以提升 HBase 性能。

1．手動設定預分區

hbase> create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']

2．生成 16 進制序列預分區

　　hbase(main):002:0> create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

3．按照文件中設置的規則預分區

建立 splits.txt 文件內容以下：

aaaa
dddd
cccc
bbbb

而後執行：

hbase(main):003:0> create 'staff3','partition3',SPLITS_FILE => 'splits.txt'

4．使用 JavaAPI 建立預分區

//自定義算法，產生一系列 Hash 散列值存儲在二維數組中
byte[][] splitKeys = 某個散列值函數
//建立 HBaseAdmin 實例
HBaseAdmin hAdmin = new HBaseAdmin(HBaseConfiguration.create());
//建立 HTableDescriptor 實例
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
//經過 HTableDescriptor 實例和散列值二維數組建立帶有預分區的 HBase 表
hAdmin.createTable(tableDesc, splitKeys);

7.3 RowKey 設計

　　一條數據的惟一標識就是 rowkey，那麼這條數據存儲於哪一個分區，取決於 rowkey 處於

哪一個一個預分區的區間內，設計 rowkey的主要目的，就是讓數據均勻的分佈於全部的 region

中，在必定程度上防止數據傾斜。接下來咱們就談一談 rowkey 經常使用的設計方案。

1．生成隨機數、hash、散列值

好比：
原 本 rowKey 爲 1001 的 ， SHA1 後變成：
dd01903921ea24941c26a48f2cec24e0bb0e8cc7
原 本 rowKey 爲 3001 的 ， SHA1 後變成：
49042c54de64a1e9bf0b33e00245660ef92dc7bd
原 本 rowKey 爲 5001 的 ， SHA1 後變成：
7b61dec07e02c188790670af43e717f0f46e8913
在作此操做以前，通常咱們會選擇從數據集中抽取樣本，來決定什麼樣的 rowKey 來 Hash
後做爲每一個分區的臨界值。

2．字符串反轉

20170524000001 轉成 10000042507102
20170524000002 轉成 20000042507102

這樣也能夠在必定程度上散列逐步 put 進來的數據。

3．字符串拼接

20170524000001_a12e
20170524000001_93i7

7.4 內存優化

　　HBase 操做過程當中須要大量的內存開銷，畢竟 Table 是能夠緩存在內存中的，通常會分

配整個可用內存的 70%給 HBase 的 Java 堆。可是不建議分配很是大的堆內存，由於 GC 過

程持續過久會致使 RegionServer 處於長期不可用狀態，通常 16~48G 內存就能夠了，若是因

爲框架佔用內存太高致使系統內存不足，框架同樣會被系統服務拖死。

7.5 基礎優化

1．容許在 HDFS 的文件中追加內容

hdfs-site.xml、hbase-site.xml

屬性：dfs.support.append
解釋：開啓 HDFS 追加同步，能夠優秀的配合 HBase 的數據同步和持久化。默認值爲 true。

2．優化 DataNode 容許的最大文件打開數

hdfs-site.xml

屬性：dfs.datanode.max.transfer.threads
解釋：HBase 通常都會同一時間操做大量的文件，根據集羣的數量和規模以及數據動做，//合併文件或者刷寫的時候會操做大量的文件
設置爲 4096 或者更高。默認值：4096  //須要看集羣的大小而定

3．優化延遲高的數據操做的等待時間

hdfs-site.xml

屬性：dfs.image.transfer.timeout
解釋：若是對於某一次數據操做來說，延遲很是高，socket 須要等待更長的時間，建議把
該值設置爲更大的值（默認 60000 毫秒），以確保 socket 不會被 timeout 掉。

4．優化數據的寫入效率

mapred-site.xml

屬性：
mapreduce.map.output.compress
mapreduce.map.output.compress.codec
解釋：開啓這兩個數據能夠大大提升文件的寫入效率，減小寫入時間。第一個屬性值修改成
true，第二個屬性值修改成：org.apache.hadoop.io.compress.GzipCodec 或者
其餘壓縮方式。

5．設置 RPC 監聽數量

hbase-site.xml

屬性：hbase.regionserver.handler.count
解釋：默認值爲 30，用於指定 RPC 監聽的數量，能夠根據客戶端的請求數進行調整，讀寫
請求較多時，增長此值。

6．優化 HStore 文件大小

hbase-site.xml

屬性：hbase.hregion.max.filesize
解釋：默認值 10737418240（10GB），若是須要運行 HBase 的 MR 任務，能夠減少此值，
由於一個 region 對應一個 map 任務，若是單個 region 過大，會致使 map 任務執行時間
過長。該值的意思就是，若是 HFile 的大小達到這個數值，則這個 region 會被切分爲兩
個 Hfile。

7．優化 hbase 客戶端緩存

hbase-site.xml

屬性：hbase.client.write.buffer
解釋：用於指定 HBase 客戶端緩存，增大該值能夠減小 RPC 調用次數，可是會消耗更多內
存，反之則反之。通常咱們須要設定必定的緩存大小，以達到減小 RPC 次數的目的。

8．指定 scan.next 掃描 HBase 所獲取的行數

hbase-site.xml

屬性：hbase.client.scanner.caching
解釋：用於指定 scan.next 方法獲取的默認行數，值越大，消耗內存越大。

9．flush、compact、split 機制

當 MemStore 達到閾值，將 Memstore 中的數據 Flush 進 Storefile；compact 機制則是把 flush

出來的小文件合併成大的 Storefile 文件。split 則是當 Region 達到閾值，會把過大的 Region

一分爲二。

涉及屬性：

即：128M 就是 Memstore 的默認閾值

hbase.hregion.memstore.flush.size：134217728

即：這個參數的做用是當單個 HRegion 內全部的 Memstore 大小總和超過指定值時，flush 該

HRegion 的全部 memstore。RegionServer 的 flush 是經過將請求添加一個隊列，模擬生產消

費模型來異步處理的。那這裏就有一個問題，當隊列來不及消費，產生大量積壓請求時，可

能會致使內存陡增，最壞的狀況是觸發 OOM。

hbase.regionserver.global.memstore.upperLimit：0.4

hbase.regionserver.global.memstore.lowerLimit：0.38

即：當 MemStore 使用內存總量達到 hbase.regionserver.global.memstore.upperLimit 指定值時，

將會有多個 MemStores flush 到文件中，MemStore flush 順序是按照大小降序執行的，直到

刷新到 MemStore 使用內存略小於 lowerLimit

一些 flush、compact 的相關默認值參考：

    <!-- 一個store裏面容許存的hfile的個數，超過這個個數會被寫到新的一個hfile裏面 也便是每一個region的每一個列族對應的memstore在fulsh爲hfile的時候，默認狀況下當超過3個hfile的時候就會   
        對這些文件進行合併重寫爲一個新文件，設置個數越大能夠減小觸發合併的時間，可是每次合併的時間就會越長 -->  
    <property>  
        <name>hbase.hstore.compactionThreshold</name>  
        <value>3</value>  
        <description>  
            If more than this number of HStoreFiles in any one HStore  
            (one HStoreFile is written per flush of memstore) then a compaction  
            is run to rewrite all HStoreFiles files as one. Larger numbers  
            put off compaction but when it runs, it takes longer to complete.  
        </description>  
    </property>  
    <!-- 每一個minor compaction操做的 容許的最大hfile文件上限 -->  
    <property>  
        <name>hbase.hstore.compaction.max</name>  
        <value>10</value>  
        <description>Max number of HStoreFiles to compact per 'minor'  
            compaction.</description>  
    </property>  


    <!-- regionServer的全局memstore的大小，超過該大小會觸發flush到磁盤的操做,默認是堆大小的40%,並且regionserver級別的   
        flush會阻塞客戶端讀寫 -->  
    <property>  
        <name>hbase.regionserver.global.memstore.size</name>  
        <value></value>  
        <description>Maximum size of all memstores in a region server before  
            new  
            updates are blocked and flushes are forced. Defaults to 40% of heap (0.4).  
            Updates are blocked and flushes are forced until size of all  
            memstores  
            in a region server hits  
            hbase.regionserver.global.memstore.size.lower.limit.  
            The default value in this configuration has been intentionally left  
            emtpy in order to  
            honor the old hbase.regionserver.global.memstore.upperLimit property if  
            present.  
        </description>  
    </property>  
        <!-- 內存中的文件在自動刷新以前可以存活的最長時間，默認是1h -->  
    <property>  
        <name>hbase.regionserver.optionalcacheflushinterval</name>  
        <value>3600000</value>  
        <description>  
            Maximum amount of time an edit lives in memory before being automatically  
            flushed.  
            Default 1 hour. Set it to 0 to disable automatic flushing.  
        </description>  
    </property>  
     <!-- 單個region裏memstore的緩存大小，超過那麼整個HRegion就會flush,默認128M -->  
    <property>  
        <name>hbase.hregion.memstore.flush.size</name>  
        <value>134217728</value>  
        <description>  
            Memstore will be flushed to disk if size of the memstore  
            exceeds this number of bytes. Value is checked by a thread that runs  
            every hbase.server.thread.wakefrequency.  
        </description>  
    </property>

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。