HBase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。

1．关闭HBase集群（若是没有开启则跳过此步）

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

2．在conf目录下建立backup-masters文件

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

3．在backup-masters文件中配置高可用HMaster节点

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

4．将整个conf目录scp到其余节点

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

5．打开页面测试查看

http://hadooo102:16010

2 预分区

每个region维护着startRow与endRowKey，若是加入的数据符合某个region维护的rowKey范围，则该数据交给这个region维护。那么依照这个原则，咱们能够将数据所要投放的分区提早大体的规划好，以提升HBase性能。

1．手动设定预分区

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

2．生成16进制序列预分区

create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

 

 

3．按照文件中设置的规则预分区

 

建立splits.txt文件内容以下：

aaaa
bbbb
cccc
dddd

而后执行：

create 'staff3','partition3',SPLITS_FILE => 'splits.txt'

 

4．使用JavaAPI建立预分区

//自定义算法，产生一系列Hash散列值存储在二维数组中
byte[][] splitKeys = 某个散列值函数
//建立HBaseAdmin实例
HBaseAdmin hAdmin = new HBaseAdmin(HBaseConfiguration.create());
//建立HTableDescriptor实例
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
//经过HTableDescriptor实例和散列值二维数组建立带有预分区的HBase表
hAdmin.createTable(tableDesc, splitKeys);

3 RowKey设计

一条数据的惟一标识就是rowkey，那么这条数据存储于哪一个分区，取决于rowkey处于哪一个一个预分区的区间内，设计rowkey的主要目的 ，就是让数据均匀的分布于全部的region中，在必定程度上防止数据倾斜。接下来咱们就谈一谈rowkey经常使用的设计方案。

1．生成随机数、hash、散列值

好比：
本来rowKey为1001的，SHA1后变成：dd01903921ea24941c26a48f2cec24e0bb0e8cc7
本来rowKey为3001的，SHA1后变成：49042c54de64a1e9bf0b33e00245660ef92dc7bd
本来rowKey为5001的，SHA1后变成：7b61dec07e02c188790670af43e717f0f46e8913
在作此操做以前，通常咱们会选择从数据集中抽取样本，来决定什么样的rowKey来Hash后做为每一个分区的临界值。

2．字符串反转

20170524000001转成10000042507102
20170524000002转成20000042507102

 

这样也能够在必定程度上散列逐步put进来的数据。

3．字符串拼接

20170524000001_a12e
20170524000001_93i7

4 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。

5 基础优化

容许在HDFS的文件中追加内容

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

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．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。

6．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。

 

7．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。

 

8．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。

 

9．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