HBase性能优化方法总结（一）：表的设计

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一部份内容：表的设计相关的优化方法。

1. 表的设计

1.1 Pre-Creating Regions

默认状况下，在建立HBase表的时候会自动建立一个region分区，当导入数据的时候，全部的HBase客户端都向这一个region写数据， 直到这个region足够大了才进行切分。一种能够加快批量写入速度的方法是经过预先建立一些空的regions，这样当数据写入HBase时，会按照 region分区状况，在集群内作数据的负载均衡。

有关预分区，详情参见：Table Creation: Pre-Creating Regions，下面是一个例子：

   createTable(HBaseAdmin admin, HTableDescriptor table, [][] splits)
 IOException {
   {
    admin.createTable(table, splits);
     ;
  }  (TableExistsException e) {
    logger.info("table " + table.getNameAsString() + " already exists");
         ;  
  }
}

  [][] getHexSplits(String startKey, String endKey,  numRegions) {
  [][] splits =  [numRegions-1][];
  BigInteger lowestKey =  BigInteger(startKey, 16);
  BigInteger highestKey =  BigInteger(endKey, 16);
  BigInteger range = highestKey.subtract(lowestKey);
  BigInteger regionIncrement = range.divide(BigInteger.valueOf(numRegions));
  lowestKey = lowestKey.add(regionIncrement);
  ( i=0; i < numRegions-1;i++) {
    BigInteger key = lowestKey.add(regionIncrement.multiply(BigInteger.valueOf(i)));
    [] b = String.format("%016x", key).getBytes();
    splits[i] = b;
  }
   splits;
}

1.2 Row Key

HBase中row key用来检索表中的记录，支持如下三种方式：

• 经过单个row key访问：即按照某个row key键值进行get操做；

• 经过row key的range进行scan：即经过设置startRowKey和endRowKey，在这个范围内进行扫描；

• 全表扫描：即直接扫描整张表中全部行记录。

在HBase中，row key能够是任意字符串，最大长度64KB，实际应用中通常为10~100bytes，存为byte[]字节数组，通常设计成定长的。

row key是按照字典序存储，所以，设计row key时，要充分利用这个排序特色，将常常一块儿读取的数据存储到一块，将最近可能会被访问的数据放在一块。

举个例子：若是最近写入HBase表中的数据是最可能被访问的，能够考虑将时间戳做为row key的一部分，因为是字典序排序，因此可使用Long.MAX_VALUE - timestamp做为row key，这样能保证新写入的数据在读取时能够被快速命中。

1.3 Column Family

不要在一张表里定义太多的column family。目前Hbase并不 能很好的处理超过2~3个column family的表。由于某个column family在flush的时候，它邻近的column family也会因关联效应被触发flush，最终致使系统产生更多的I/O。感兴趣的同窗能够对本身的HBase集群进行实际测试，从获得的测试结果数 据验证一下。

1.4 In Memory

建立表的时候，能够经过HColumnDescriptor.setInMemory(true)将表放到RegionServer的缓存中，保证在读取的时候被cache命中。

1.5 Max Version

建立表的时候，能够经过HColumnDescriptor.setMaxVersions(int maxVersions)设置表中数据的最大版本，若是只须要保存最新版本的数据，那么能够设置setMaxVersions(1)。

1.6 Time To Live

建立表的时候，能够经过HColumnDescriptor.setTimeToLive(int timeToLive)设置表中数据的存储生命期，过时数据将自动被删除，例如若是只须要存储最近两天的数据，那么能够设置 setTimeToLive(2 * 24 * 60 * 60)。

1.7 Compact & Split

在HBase中，数据在更新时首先写入WAL 日志(HLog)和内存(MemStore)中，MemStore中的数据是排序的，当MemStore累计到必定阈值时，就会建立一个新的 MemStore，而且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。于此同时， 系统会在zookeeper中记录一个redo point，表示这个时刻以前的变动已经持久化了(minor compact)。

StoreFile是只读的，一旦建立后就不能够再修改。所以Hbase的更新实际上是不断追加的操做。当一个Store中的StoreFile达到必定的阈值后，就会进行一次合并(major compact)，将对同一个key的修改合并到一块儿，造成一个大的StoreFile，当StoreFile的大小达到必定阈值后，又会对 StoreFile进行分割(split)，等分为两个StoreFile。

因为对表的更新是不断追加的，处理读请求时，须要访问Store中所有的StoreFile和MemStore，将它们按照row key进行合并，因为StoreFile和MemStore都是通过排序的，而且StoreFile带有内存中索引，一般合并过程仍是比较快的。

实际应用中，能够考虑必要时手动进行major compact，将同一个row key的修改进行合并造成一个大的StoreFile。同时，能够将StoreFile设置大些，减小split的发生。