HBase（十）HBase性能调优总结

时间 2019-11-18

标签 hbase 性能总结栏目 Hadoop 繁體版

原文原文链接

一. HBase的通用优化

1 高可用

在 HBase 中 Hmaster 负责监控 RegionServer 的生命周期，均衡 RegionServer 的负载，若是 Hmaster 挂掉了，那么整个 HBase 集群将陷入不健康的状态，而且此时的工做状态并不会维持过久。因此 HBase 支持对 Hmaster 的高可用配置。html

HBase的高可用集群搭建参考： CentOS7.5搭建HBase1.2.6HA集群node

2 Hadoop 的通用性优化

1) NameNode 元数据备份使用 SSDapache

2) 定时备份 NameNode 上的元数据缓存

每小时或者天天备份，若是数据极其重要，能够 5~10 分钟备份一次。备份能够经过定时任务复制元数据目录便可。安全

3) 为 NameNode 指定多个元数据目录服务器

使用 dfs.name.dir 或者 dfs.namenode.name.dir 指定。这样能够提供元数据的冗余和健壮性，以避免发生故障。网络

4) NameNode 的 dir 自恢复session

设置 dfs.namenode.name.dir.restore 为 true，容许尝试恢复以前失败的 dfs.namenode.name.dir多线程

目录，在建立 checkpoint 时作此尝试，若是设置了多个磁盘，建议容许。并发

5) HDFS 保证 RPC 调用会有较多的线程数

属性：dfs.namenode.handler.count
解释：该属性是 NameNode 服务默认线程数，默认值是 10，根据机器的可用内存能够调整为 50~100
属性：dfs.datanode.handler.count
解释：该属性默认值为 10，是 DataNode 的处理线程数，若是 HDFS 客户端程序读写请求比较多，能够调高到 15~20，设置的值越大，内存消耗越多，不要调整的太高，通常业务中，
5~10 便可。

hdfs-site.xml

6) HDFS 副本数的调整

属性：dfs.replication
解释：若是数据量巨大，且不是很是之重要，能够调整为 2~3，若是数据很是之重要，能够调整为 3~5。

hdfs-site.xml

7) HDFS 文件块大小的调整

属性：dfs.blocksize
解释：块大小定义，该属性应该根据存储的大量的单个文件大小来设置，若是大量的单个文件都小于 100M，
建议设置成 64M 块大小，对于大于 100M 或者达到 GB 的这种状况，建议设置成 256M，通常设置范围波动在 64M~256M 之间。

hdfs-site.xml

8) MapReduce Job 任务服务线程数调整

属性：mapreduce.jobtracker.handler.count
解释：该属性是 Job 任务线程数，默认值是 10，根据机器的可用内存能够调整为 50~100

mapred-site.xml

9) Http 服务器工做线程数

mapred-site.xml

属性：mapreduce.tasktracker.http.threads
解释：定义 HTTP 服务器工做线程数，默认值为 40，对于大集群能够调整到 80~100

10) 文件排序合并优化

mapred-site.xml

属性：mapreduce.task.io.sort.factor
解释：文件排序时同时合并的数据流的数量，这也定义了同时打开文件的个数，默认值为
10，若是调高该参数，能够明显减小磁盘 IO，即减小文件读取的次数。

11) 设置任务并发

mapred-site.xml

属性：mapreduce.map.speculative
解释：该属性能够设置任务是否能够并发执行，若是任务多而小，该属性设置为 true 能够明显加快任务执行效率，可是对于延迟很是高的任务，建议改成 false，这就相似于迅雷下载。

12) MR 输出数据的压缩

mapred-site.xml

属性：mapreduce.map.output.compress、mapreduce.output.fileoutputformat.compress
解释：对于大集群而言，建议设置 Map-Reduce 的输出为压缩的数据，而对于小集群，则不须要。

13) 优化 Mapper 和 Reducer 的个数

mapred-site.xml

属性：mapreduce.tasktracker.map.tasks.maximum mapreduce.tasktracker.reduce.tasks.maximum
解释：以上两个属性分别为一个单独的 Job 任务能够同时运行的 Map 和 Reduce 的数量。
设置上面两个参数时，须要考虑 CPU 核数、磁盘和内存容量。假设一个 8 核的 CPU，业务内容很是消耗 CPU，那么能够设置 map 数量为 4，若是该业务不是特别消耗 CPU 类型的，
那么能够设置 map 数量为 40，reduce 数量为 20。这些参数的值修改完成以后，必定要观察是否有较长等待的任务，若是有的话，能够减小数量以加快任务执行，
若是设置一个很大的值，会引发大量的上下文切换，以及内存与磁盘之间的数据交换，这里没有标准的配置数值，
须要根据业务和硬件配置以及经验来作出选择。
在同一时刻，不要同时运行太多的 MapReduce，这样会消耗过多的内存，任务会执行的很是缓慢，咱们须要根据 CPU 核数，内存容量设置一个 MR 任务并发的最大值，
使固定数据量的任务彻底加载到内存中，避免频繁的内存和磁盘数据交换，从而下降磁盘 IO，提升性能。

大概估算公式：

map = 2 + ⅔cpu_core， reduce = 2 + ⅓cpu_core

3 Linux 优化

1) 开启文件系统的预读缓存能够提升读取速度

$ sudo blockdev --setra 32768 /dev/sda

尖叫提示：ra 是 readahead 的缩写

2) 关闭进程睡眠池

即不容许后台进程进入睡眠状态，若是进程空闲，则直接 kill 掉释放资源

$ sudo sysctl -w vm.swappiness=0

3) 调整 ulimit 上限，默认值为比较小的数字

$ ulimit -n 查看容许最大进程数
$ ulimit -u 查看容许打开最大文件数

优化修改：

末尾添加：
*	soft	nofile	1024000
*	hard	nofile	1024000
Hive	-	nofile	1024000
hive	-	nproc	1024000

4) 开启集群的时间同步 NTP

集群中某台机器同步网络时间服务器的时间，集群中其余机器则同步这台机器的时间。

5) 更新系统补丁

更新补丁前，请先测试新版本补丁对集群节点的兼容性。

4 Zookeeper 优化

1) 优化 Zookeeper 会话超时时间

hbase-site.xml

参数：zookeeper.session.timeout
解 释 ：In hbase-site.xml, set zookeeper.session.timeout to 30 seconds or less to bound failure detection (20-30 seconds is a good start).
该值会直接关系到 master 发现服务器宕机的最大周期，默认值为 30 秒，若是该值太小，会在 HBase 在写入大量数据发生而 GC 时，致使RegionServer 短暂的不可用，
从而没有向 ZK 发送心跳包，最终致使认为从节点 shutdown。通常 20 台左右的集群须要配置 5 台 zookeeper。

二. HBase的个性优化

1 预分区及RowKey设计

详细请看：HBase表以及Rowkey的设计原则

2 内存优化

HBase 操做过程当中须要大量的内存开销，毕竟 Table 是能够缓存在内存中的，通常会分配整个可用内存的 70%给 HBase 的 Java 堆。可是不建议分配很是大的堆内存，由于 GC 过程持续过久会致使 RegionServer 处于长期不可用状态，通常 16~48G 内存就能够了，若是由于框架占用内存太高致使系统内存不足，框架同样会被系统服务拖死。

3 基础优化

1) 容许在 HDFS 的文件中追加内容

不是不容许追加内容么？没错，请看背景故事：http://blog.cloudera.com/blog/2009/07/file-appends-in-hdfs/

hdfs-site.xml、hbase-site.xml

属性：dfs.support.append
解释：开启 HDFS 追加同步，能够优秀的配合 HBase 的数据同步和持久化。默认值为 true.

2) 优化 DataNode 容许的最大文件打开数

hdfs-site.xml

属性：dfs.datanode.max.transfer.threads
解释：HBase 通常都会同一时间操做大量的文件，根据集群的数量和规模以及数据动做，设置为 4096 或者更高。默认值：4096

3) 优化延迟高的数据操做的等待时间

hdfs-site.xml

属性：dfs.image.transfer.timeout
解释：若是对于某一次数据操做来说，延迟很是高，socket 须要等待更长的时间，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：开启这两个数据能够大大提升文件的写入效率，减小写入时间。第一个属性值修改成true，第二个属性值修改成：org.apache.hadoop.io.compress.GzipCodec 或者其余压缩方式

5) 优化 DataNode 存储

属性：dfs.datanode.failed.volumes.tolerated
解释：默认为 0，意思是当 DataNode 中有一个磁盘出现故障，则会认为该 DataNode shutdown 了。
若是修改成 1，则一个磁盘出现故障时，数据会被复制到其余正常的 DataNode 上，当前的 DataNode 继续工做。

6) 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，能够根据客户端的请求数进行调整，读写请求较多时，增长此值。

7) 优化 HStore 文件大小

hbase-site.xml

属性：hbase.hregion.max.filesize
解释：默认值 10737418240（10GB），若是须要运行 HBase 的 MR 任务，能够减少此值， 由于一个 region 对应一个 map 任务,
若是单个 region 过大，会致使 map 任务执行时间过长。该值的意思就是，若是 HFile 的大小达到这个数值，则这个 region 会被切分为两个 Hfile。

8) 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，增大该值能够减小 RPC 调用次数，可是会消耗更多内存，反之则反之。通常咱们须要设定必定的缓存大小，以达到减小 RPC 次数的目的。

9) 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。

10) 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：这个参数的做用是当单个 HRegion 内全部的 Memstore 大小总和超过指定值时，flush

该 HRegion 的全部 memstore。RegionServer 的 flush 是经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，可能会致使内存陡增，最坏的状况是触发 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

三. HBase的写表优化

1 多HTable并发写

建立多个HTable客户端用于写操做，提升写数据的吞吐量，一个例子：

static final Configuration conf = HBaseConfiguration.create();
static final String table_log_name = “user_log”;
wTableLog = new HTable[tableN];
for (int i = 0; i < tableN; i++) {
    wTableLog[i] = new HTable(conf, table_log_name);
    wTableLog[i].setWriteBufferSize(5 * 1024 * 1024); //5MB
    wTableLog[i].setAutoFlush(false);
}

2 HTable参数设置

Auto Flush

经过调用HTable.setAutoFlush(false)方法能够将HTable写客户端的自动flush关闭，这样能够批量写入数据到HBase，而不是有一条put就执行一次更新，只有当put填满客户端写缓存时，才实际向HBase服务端发起写请求。默认状况下auto flush是开启的。

Write Buffer

经过调用HTable.setWriteBufferSize(writeBufferSize)方法能够设置HTable客户端的写buffer大小，若是新设置的buffer小于当前写buffer中的数据时，buffer将会被flush到服务端。其中，writeBufferSize的单位是byte字节数，能够根据实际写入数据量的多少来设置该值。

WAL Flag

在HBae中，客户端向集群中的RegionServer提交数据时（Put/Delete操做），首先会先写WAL（Write Ahead Log）日志（即HLog，一个RegionServer上的全部Region共享一个HLog），只有当WAL日志写成功后，再接着写MemStore，而后客户端被通知提交数据成功；若是写WAL日志失败，客户端则被通知提交失败。这样作的好处是能够作到RegionServer宕机后的数据恢复。

所以，对于相对不过重要的数据，能够在Put/Delete操做时，经过调用Put.setWriteToWAL(false)或Delete.setWriteToWAL(false)函数，放弃写WAL日志，从而提升数据写入的性能。

值得注意的是：谨慎选择关闭WAL日志，由于这样的话，一旦RegionServer宕机，Put/Delete的数据将会没法根据WAL日志进行恢复。

3 批量写

经过调用HTable.put(Put)方法能够将一个指定的row key记录写入HBase，一样HBase提供了另外一个方法：经过调用HTable.put(List<Put>)方法能够将指定的row key列表，批量写入多行记录，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，网络传输RTT高的情景下可能带来明显的性能提高。

4 多线程并发写

在客户端开启多个HTable写线程，每一个写线程负责一个HTable对象的flush操做，这样结合定时flush和写buffer（writeBufferSize），能够既保证在数据量小的时候，数据能够在较短期内被flush（如1秒内），同时又保证在数据量大的时候，写buffer一满就及时进行flush。下面给个具体的例子：

for (int i = 0; i < threadN; i++) {
    Thread th = new Thread() {
        public void run() {
            while (true) {
                try {
                    sleep(1000); //1 second
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
synchronized (wTableLog[i]) {
                    try {
                        wTableLog[i].flushCommits();
                    } catch (IOException e) {
                        e.printStackTrace();
                    }
                }
            }
}
    };
    th.setDaemon(true);
    th.start();
}

四. HBase的读表优化

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：

static final Configuration conf = HBaseConfiguration.create();
static final String table_log_name = “user_log”;

rTableLog = new HTable[tableN];
for (int i = 0; i < tableN; i++) {
    rTableLog[i] = new HTable(conf, table_log_name);
    rTableLog[i].setScannerCaching(50);
}

2 HTable参数设置

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：三者的优先级愈来愈高。

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。

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。

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 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。

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：

public class DataReaderServer {
     //获取店铺一天内各分钟PV值的入口函数
     public static ConcurrentHashMap<String, String> getUnitMinutePV(long uid, long startStamp, long endStamp){
         long min = startStamp;
         int count = (int)((endStamp - startStamp) / (60*1000));
         List<String> lst = new ArrayList<String>();
         for (int i = 0; i <= count; i++) {
            min = startStamp + i * 60 * 1000;
            lst.add(uid + "_" + min);
         }
         return parallelBatchMinutePV(lst);
     }
      //多线程并发查询，获取分钟PV值
private static ConcurrentHashMap<String, String> parallelBatchMinutePV(List<String> lstKeys){
        ConcurrentHashMap<String, String> hashRet = new ConcurrentHashMap<String, String>();
        int parallel = 3;
        List<List<String>> lstBatchKeys  = null;
        if (lstKeys.size() < parallel ){
            lstBatchKeys  = new ArrayList<List<String>>(1);
            lstBatchKeys.add(lstKeys);
        }
        else{
            lstBatchKeys  = new ArrayList<List<String>>(parallel);
            for(int i = 0; i < parallel; i++  ){
                List<String> lst = new ArrayList<String>();
                lstBatchKeys.add(lst);
            }

            for(int i = 0 ; i < lstKeys.size() ; i ++ ){
                lstBatchKeys.get(i%parallel).add(lstKeys.get(i));
            }
        }
        
        List<Future< ConcurrentHashMap<String, String> >> futures = new ArrayList<Future< ConcurrentHashMap<String, String> >>(5);
        
        ThreadFactoryBuilder builder = new ThreadFactoryBuilder();
        builder.setNameFormat("ParallelBatchQuery");
        ThreadFactory factory = builder.build();
        ThreadPoolExecutor executor = (ThreadPoolExecutor) Executors.newFixedThreadPool(lstBatchKeys.size(), factory);
        
        for(List<String> keys : lstBatchKeys){
            Callable< ConcurrentHashMap<String, String> > callable = new BatchMinutePVCallable(keys);
            FutureTask< ConcurrentHashMap<String, String> > future = (FutureTask< ConcurrentHashMap<String, String> >) executor.submit(callable);
            futures.add(future);
        }
        executor.shutdown();
        
        // Wait for all the tasks to finish
        try {
          boolean stillRunning = !executor.awaitTermination(
              5000000, TimeUnit.MILLISECONDS);
          if (stillRunning) {
            try {
                executor.shutdownNow();
            } catch (Exception e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
          }
        } catch (InterruptedException e) {
          try {
              Thread.currentThread().interrupt();
          } catch (Exception e1) {
            // TODO Auto-generated catch block
            e1.printStackTrace();
          }
        }
        
        // Look for any exception
        for (Future f : futures) {
          try {
              if(f.get() != null)
              {
                  hashRet.putAll((ConcurrentHashMap<String, String>)f.get());
              }
          } catch (InterruptedException e) {
            try {
                 Thread.currentThread().interrupt();
            } catch (Exception e1) {
                // TODO Auto-generated catch block
                e1.printStackTrace();
            }
          } catch (ExecutionException e) {
            e.printStackTrace();
          }
        }
        
        return hashRet;
    }
     //一个线程批量查询，获取分钟PV值
    protected static ConcurrentHashMap<String, String> getBatchMinutePV(List<String> lstKeys){
        ConcurrentHashMap<String, String> hashRet = null;
        List<Get> lstGet = new ArrayList<Get>();
        String[] splitValue = null;
        for (String s : lstKeys) {
            splitValue = s.split("_");
            long uid = Long.parseLong(splitValue[0]);
            long min = Long.parseLong(splitValue[1]);
            byte[] key = new byte[16];
            Bytes.putLong(key, 0, uid);
            Bytes.putLong(key, 8, min);
            Get g = new Get(key);
            g.addFamily(fp);
            lstGet.add(g);
        }
        Result[] res = null;
        try {
            res = tableMinutePV[rand.nextInt(tableN)].get(lstGet);
        } catch (IOException e1) {
            logger.error("tableMinutePV exception, e=" + e1.getStackTrace());
        }

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

        return hashRet;
    }
}
//调用接口类，实现Callable接口
class BatchMinutePVCallable implements Callable<ConcurrentHashMap<String, String>>{
     private List<String> keys;

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

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

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。

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。

五. HTable与HTable Pool

HTable和HTablePool使用注意事项

HTable和HTablePool都是HBase客户端API的一部分，可使用它们对HBase表进行CRUD操做。下面结合在项目中的应用状况，对两者使用过程当中的注意事项作一下归纳总结。

Configuration conf = HBaseConfiguration.create();
try (Connection connection = ConnectionFactory.createConnection(conf)) {
  try (Table table = connection.getTable(TableName.valueOf(tablename)) {
    // use table as needed, the table returned is lightweight
  }
}

1. HTable

HTable是HBase客户端与HBase服务端通信的Java API对象，客户端能够经过HTable对象与服务端进行CRUD操做（增删改查）。它的建立很简单：

Configuration conf = HBaseConfiguration.create();
HTable table = new HTable(conf, "tablename");
//TODO CRUD Operation……

HTable使用时的一些注意事项：

1. 规避HTable对象的建立开销

由于客户端建立HTable对象后，须要进行一系列的操做：检查.META.表确认指定名称的HBase表是否存在，表是否有效等等，整个时间开销比较重，可能会耗时几秒钟之长，所以最好在程序启动时一次性建立完成须要的HTable对象，若是使用Java API，通常来讲是在构造函数中进行建立，程序启动后直接重用。

2. HTable对象不是线程安全的

HTable对象对于客户端读写数据来讲不是线程安全的，所以多线程时，要为每一个线程单首创建复用一个HTable对象，不一样对象间不要共享HTable对象使用，特别是在客户端auto flash被置为false时，因为存在本地write buffer，可能致使数据不一致。

3. HTable对象之间共享Configuration

HTable对象共享Configuration对象，这样的好处在于：

共享ZooKeeper的链接：每一个客户端须要与ZooKeeper创建链接，查询用户的table regions位置，这些信息能够在链接创建后缓存起来共享使用；
共享公共的资源：客户端须要经过ZooKeeper查找-ROOT-和.META.表，这个须要网络传输开销，客户端缓存这些公共资源后可以减小后续的网络传输开销，加快查找过程速度。

所以，与如下这种方式相比：

HTable table1 = new HTable("table1");

HTable table2 = new HTable("table2");

下面的方式更有效些：

Configuration conf = HBaseConfiguration.create();
HTable table1 = new HTable(conf, "table1");
HTable table2 = new HTable(conf, "table2");

备注：即便是高负载的多线程程序，也并无发现由于共享Configuration而致使的性能问题；若是你的实际状况中不是如此，那么能够尝试不共享Configuration。

2. HTable Pool

HTablePool能够解决HTable存在的线程不安全问题，同时经过维护固定数量的HTable对象，可以在程序运行期间复用这些HTable资源对象。

Configuration conf = HBaseConfiguration.create();
HTablePool pool = new HTablePool(conf, 10);

1. HTablePool能够自动建立HTable对象，并且对客户端来讲使用上是彻底透明的，能够避免多线程间数据并发修改问题。

2. HTablePool中的HTable对象之间是公用Configuration链接的，可以能够减小网络开销。

HTablePool的使用很简单：每次进行操做前，经过HTablePool的getTable方法取得一个HTable对象，而后进行put/get/scan/delete等操做，最后经过HTablePool的putTable方法将HTable对象放回到HTablePool中。

下面是个使用HTablePool的简单例子：

public void createUser(String username, String firstName, String lastName, String email, String password, String roles) throws IOException {

　　HTable table = rm.getTable(UserTable.NAME);
　　Put put = new Put(Bytes.toBytes(username));
　　put.add(UserTable.DATA_FAMILY, UserTable.FIRSTNAME,
　　Bytes.toBytes(firstName));
　　put.add(UserTable.DATA_FAMILY, UserTable.LASTNAME,Bytes.toBytes(lastName));
　　put.add(UserTable.DATA_FAMILY, UserTable.EMAIL, Bytes.toBytes(email));
　　put.add(UserTable.DATA_FAMILY, UserTable.CREDENTIALS,Bytes.toBytes(password));
　　put.add(UserTable.DATA_FAMILY, UserTable.ROLES, Bytes.toBytes(roles));
　　table.put(put);
　　table.flushCommits();
　　rm.putTable(table);
}

HBase和DBMS比较：

查询数据不灵活：

一、不能使用column之间过滤查询

二、不支持全文索引。使用solr和hbase整合完成全文搜索。

a) 使用MR批量读取hbase中的数据，在solr里面创建索引（no store）之保存rowkey的值。

b) 根据关键词从索引中搜索到rowkey（分页）

c) 根据rowkey从hbase查询全部数据