HBase性能优化方法总结（三）：读表操做

本文主要是从HBase应用程序设计与开发的角度，总结几种经常使用的性能优化方法。有关HBase系统配置级别的优化，可参考：淘宝Ken Wu同窗的博客。

下面是本文总结的第三部份内容：读表操做相关的优化方法。

3. 读表操做

3.1 多HTable并发读

建立多个HTable客户端用于读操做，提升读数据的吞吐量，一个例子：

  Configuration conf = HBaseConfiguration.create();
  String table_log_name = “user_log”;
rTableLog =  HTable[tableN];
 ( i = 0; i < tableN; i++) {
    rTableLog[i] =  HTable(conf, table_log_name);
    rTableLog[i].setScannerCaching(50);
}

3.2 HTable参数设置

3.2.1 Scanner Caching

hbase.client.scanner.caching配置项能够设置HBase scanner一次从服务端抓取的数据条数，默认状况下一次一条。经过将其设置成一个合理的值，能够减小scan过程当中next()的时间开销，代价是 scanner须要经过客户端的内存来维持这些被cache的行记录。

有三个地方能够进行配置：1）在HBase的conf配置文件中进行配置；2）经过调用HTable.setScannerCaching(int scannerCaching)进行配置；3）经过调用Scan.setCaching(int caching)进行配置。三者的优先级愈来愈高。

3.2.2 Scan Attribute Selection

scan时指定须要的Column Family，能够减小网络传输数据量，不然默认scan操做会返回整行全部Column Family的数据。

3.2.3 Close ResultScanner

经过scan取完数据后，记得要关闭ResultScanner，不然RegionServer可能会出现问题（对应的Server资源没法释放）。

3.3 批量读

经过调用HTable.get(Get)方法能够根据一个指定的row key获取一行记录，一样HBase提供了另外一个方法：经过调用HTable.get(List<Get>)方法能够根据一个指定的row key列表，批量获取多行记录，这样作的好处是批量执行，只须要一次网络I/O开销，这对于对数据实时性要求高并且网络传输RTT高的情景下可能带来明显 的性能提高。

3.4 多线程并发读

在客户端开启多个HTable读线程，每一个读线程负责经过HTable对象进行get操做。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：

  DataReaderServer {
            ConcurrentHashMap<String, String> getUnitMinutePV( uid,  startStamp,  endStamp){
          min = startStamp;
          count = ()((endStamp - startStamp) / (60*1000));
         List<String> lst =  ArrayList<String>();
          ( i = 0; i <= count; i++) {
            min = startStamp + i * 60 * 1000;
            lst.add(uid + "_" + min);
         }
          parallelBatchMinutePV(lst);
     }
        ConcurrentHashMap<String, String> parallelBatchMinutePV(List<String> lstKeys){
        ConcurrentHashMap<String, String> hashRet =  ConcurrentHashMap<String, String>();
         parallel = 3;
        List<List<String>> lstBatchKeys  = ;
         (lstKeys.size() < parallel ){
            lstBatchKeys  =  ArrayList<List<String>>(1);
            lstBatchKeys.add(lstKeys);
        }
        {
            lstBatchKeys  =  ArrayList<List<String>>(parallel);
            ( i = 0; i < parallel; i++  ){
                List<String> lst =  ArrayList<String>();
                lstBatchKeys.add(lst);
            }

            ( i = 0 ; i < lstKeys.size() ; i ++ ){
                lstBatchKeys.get(i%parallel).add(lstKeys.get(i));
            }
        }
        
        List<Future< ConcurrentHashMap<String, String> >> futures =  ArrayList<Future< ConcurrentHashMap<String, String> >>(5);
        
        ThreadFactoryBuilder builder =  ThreadFactoryBuilder();
        builder.setNameFormat("ParallelBatchQuery");
        ThreadFactory factory = builder.build();
        ThreadPoolExecutor executor = (ThreadPoolExecutor) Executors.newFixedThreadPool(lstBatchKeys.size(), factory);
        
        (List<String> keys : lstBatchKeys){
            Callable< ConcurrentHashMap<String, String> > callable =  BatchMinutePVCallable(keys);
            FutureTask< ConcurrentHashMap<String, String> > future = (FutureTask< ConcurrentHashMap<String, String> >) executor.submit(callable);
            futures.add(future);
        }
        executor.shutdown();
        
                 {
           stillRunning = !executor.awaitTermination(
              5000000, TimeUnit.MILLISECONDS);
           (stillRunning) {
             {
                executor.shutdownNow();
            }  (Exception e) {
                                e.printStackTrace();
            }
          }
        }  (InterruptedException e) {
           {
              Thread.currentThread().interrupt();
          }  (Exception e1) {
                        e1.printStackTrace();
          }
        }
        
                 (Future f : futures) {
           {
              (f.get() != )
              {
                  hashRet.putAll((ConcurrentHashMap<String, String>)f.get());
              }
          }  (InterruptedException e) {
             {
                 Thread.currentThread().interrupt();
            }  (Exception e1) {
                                e1.printStackTrace();
            }
          }  (ExecutionException e) {
            e.printStackTrace();
          }
        }
        
         hashRet;
    }
           ConcurrentHashMap<String, String> getBatchMinutePV(List<String> lstKeys){
        ConcurrentHashMap<String, String> hashRet = ;
        List<Get> lstGet =  ArrayList<Get>();
        String[] splitValue = ;
         (String s : lstKeys) {
            splitValue = s.split("_");
             uid = Long.parseLong(splitValue[0]);
             min = Long.parseLong(splitValue[1]);
            [] key =  [16];
            Bytes.putLong(key, 0, uid);
            Bytes.putLong(key, 8, min);
            Get g =  Get(key);
            g.addFamily(fp);
            lstGet.add(g);
        }
        Result[] res = ;
         {
            res = tableMinutePV[rand.nextInt(tableN)].get(lstGet);
        }  (IOException e1) {
            logger.error("tableMinutePV exception, e=" + e1.getStackTrace());
        }

         (res !=  && res.length > 0) {
            hashRet =  ConcurrentHashMap<String, String>(res.length);
             (Result re : res) {
                 (re !=  && !re.isEmpty()) {
                     {
                        [] key = re.getRow();
                        [] value = re.getValue(fp, cp);
                         (key !=  && value != ) {
                            hashRet.put(String.valueOf(Bytes.toLong(key,
                                    Bytes.SIZEOF_LONG)), String.valueOf(Bytes
                                    .toLong(value)));
                        }
                    }  (Exception e2) {
                        logger.error(e2.getStackTrace());
                    }
                }
            }
        }

         hashRet;
    }
}
 BatchMinutePVCallable  Callable<ConcurrentHashMap<String, String>>{
      List<String> keys;

      BatchMinutePVCallable(List<String> lstKeys ) {
         .keys = lstKeys;
     }

      ConcurrentHashMap<String, String> call()  Exception {
          DataReadServer.getBatchMinutePV(keys);
     }
}

3.5 缓存查询结果

对于频繁查询HBase的应用场景，能够考虑在应用程序中作缓存，当有新的查询请求时，首先在缓存中查找，若是存在则直接返回，再也不查询HBase；不然对HBase发起读请求查询，而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，能够考虑LRU等经常使用的策略。

3.6 Blockcache

HBase上Regionserver的内存分为两个部分，一部分做为Memstore，主要用来写；另一部分做为BlockCache，主要用于读。

写请求会先写入Memstore，Regionserver会给每一个region提供一个Memstore，当Memstore满64MB之后，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。因为 BlockCache采用的是LRU策略，所以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，不然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，能够将 BlockCache设大些，好比设置BlockCache=0.4，Memstore=0.39，以加大缓存的命中率。

有关BlockCache机制，请参考这里：HBase的Block cache，HBase的blockcache机制，hbase中的缓存的计算与使用。