HBase優化

1 高可用

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

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

2．在conf目錄下建立backup-masters文件

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

3．在backup-masters文件中配置高可用HMaster節點

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

4．將整個conf目錄scp到其餘節點

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

5．打開頁面測試查看

http://hadooo102:16010

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

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
bbbb
cccc
dddd

而後執行：

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);

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：
本來rowKey爲1001的，SHA1後變成：dd01903921ea24941c26a48f2cec24e0bb0e8cc7
本來rowKey爲3001的，SHA1後變成：49042c54de64a1e9bf0b33e00245660ef92dc7bd
本來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

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，若是由於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。

5 基礎優化

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，設置爲4096或者更高。默認值：4096

3．優化延遲高的數據操做的等待時間

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