第 7 章HBase 优化
7.1 高可用
在 HBase 中 Hmaster 负责监控 RegionServer 的生命周期，均衡 RegionServer 的负载，如
果 Hmaster 挂掉了，那么整个 HBase 集群将陷入不健康的状态，并且此时的工作状态并不
会维持太久。所以 HBase 支持对 Hmaster 的高可用配置。
1．关闭 HBase 集群（如果没有开启则跳过此步）
[lxl@hadoop102 hbase]$ bin/stop-hbase.sh
2．在 conf 目录下创建 backup-masters 文件
[lxl@hadoop102 hbase]$ touch conf/backup-masters
3．在 backup-masters 文件中配置高可用 HMaster 节点
[lxl@hadoop102 hbase]$ echo hadoop103 > conf/backup-masters
4．将整个 conf 目录 scp 到其他节点
[atguigu@hadoop102 hbase]$ scp -r conf/ hadoop103:/opt/module/hbase/ [atguigu@hadoop102 hbase]$ scp -r conf/ hadoop104:/opt/module/hbase/
或者使用分发文件的脚本：
[lxl@hadoop102 hbase]$ xsync conf/backup-masters
[lxl@hadoop102 hbase]$ bin/start-hbase.sh
starting master, logging to /opt/module/hbase/logs/hbase-lxl-master-hadoop102.out
hadoop102: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-lxl-regionserver-hadoop102.out
hadoop104: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-lxl-regionserver-hadoop104.out
hadoop103: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-lxl-regionserver-hadoop103.out
hadoop103: starting master, logging to /opt/module/hbase/bin/../logs/hbase-lxl-master-hadoop103.out
[lxl@hadoop102 hbase]$ util.sh
================ lxl@hadoop102 ================
13040 HMaster
2868 NodeManager
2949 JobHistoryServer
13190 HRegionServer
3115 QuorumPeerMain
2460 NameNode
13535 Jps
2575 DataNode
================ lxl@hadoop103 ================
8562 Jps
8307 HMaster
2868 QuorumPeerMain
8229 HRegionServer
2407 ResourceManager
2268 DataNode
2525 NodeManager
================ lxl@hadoop104 ================
2384 SecondaryNameNode
8864 Jps
2484 NodeManager
8676 HRegionServer
2646 QuorumPeerMain
2279 DataNode
6．打开页面测试查看
http://hadooo102:16010
7.2 预分区
每一个 region 维护着 startRow 与 endRowKey，如果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，我们可以将数据所要投
放的分区提前大致的规划好，以提高 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
hbase(main):002:0> create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'} 
3．按照文件中设置的规则预分区
创建 splits.txt 文件内容如下：
aaaa dddd cccc bbbb
然后执行：
hbase(main):003:0> create 'staff3','partition3',SPLITS_FILE => 'splits.txt'
4．使用 JavaAPI 创建预分区
//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 //创建 HBaseAdmin 实例 HBaseAdmin hAdmin = new HBaseAdmin(HBaseConfiguration.create()); //创建 HTableDescriptor 实例 HTableDescriptor tableDesc = new HTableDescriptor(tableName); //通过 HTableDescriptor 实例和散列值二维数组创建带有预分区的 HBase 表 hAdmin.createTable(tableDesc, splitKeys);
7.3 RowKey 设计
一条数据的唯一标识就是 rowkey，那么这条数据存储于哪个分区，取决于 rowkey 处于
哪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所有的 region
中，在一定程度上防止数据倾斜。接下来我们就谈一谈 rowkey 常用的设计方案。
1．生成随机数、hash、散列值
比如： 原 本 rowKey 为 1001 的 ， SHA1 后变成： dd01903921ea24941c26a48f2cec24e0bb0e8cc7 原 本 rowKey 为 3001 的 ， SHA1 后变成： 49042c54de64a1e9bf0b33e00245660ef92dc7bd 原 本 rowKey 为 5001 的 ， SHA1 后变成： 7b61dec07e02c188790670af43e717f0f46e8913 在做此操作之前，一般我们会选择从数据集中抽取样本，来决定什么样的 rowKey 来 Hash 后作为每个分区的临界值。
2．字符串反转
20170524000001 转成 10000042507102 20170524000002 转成 20000042507102
这样也可以在一定程度上散列逐步 put 进来的数据。
3．字符串拼接
20170524000001_a12e 20170524000001_93i7
7.4 内存优化
HBase 操作过程中需要大量的内存开销，毕竟 Table 是可以缓存在内存中的，一般会分
配整个可用内存的 70%给 HBase 的 Java 堆。但是不建议分配非常大的堆内存，因为 GC 过
程持续太久会导致 RegionServer 处于长期不可用状态，一般 16~48G 内存就可以了，如果因
为框架占用内存过高导致系统内存不足，框架一样会被系统服务拖死。
7.5 基础优化
1．允许在 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，可以优秀的配合 HBase 的数据同步和持久化。默认值为 true。
2．优化 DataNode 允许的最大文件打开数
hdfs-site.xml
属性：dfs.datanode.max.transfer.threads 解释：HBase 一般都会同一时间操作大量的文件，根据集群的数量和规模以及数据动作，//合并文件或者刷写的时候会操作大量的文件 设置为 4096 或者更高。默认值：4096 //需要看集群的大小而定
3．优化延迟高的数据操作的等待时间
hdfs-site.xml
属性：dfs.image.transfer.timeout 解释：如果对于某一次数据操作来讲，延迟非常高，socket 需要等待更长的时间，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：开启这两个数据可以大大提高文件的写入效率，减少写入时间。第一个属性值修改为 true，第二个属性值修改为：org.apache.hadoop.io.compress.GzipCodec 或者 其他压缩方式。
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，可以根据客户端的请求数进行调整，读写 请求较多时，增加此值。
6．优化 HStore 文件大小
hbase-site.xml
属性：hbase.hregion.max.filesize 解释：默认值 10737418240（10GB），如果需要运行 HBase 的 MR 任务，可以减小此值， 因为一个 region 对应一个 map 任务，如果单个 region 过大，会导致 map 任务执行时间 过长。该值的意思就是，如果 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，增大该值可以减少 RPC 调用次数，但是会消耗更多内 存，反之则反之。一般我们需要设定一定的缓存大小，以达到减少 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：这个参数的作用是当单个 HRegion 内所有的 Memstore 大小总和超过指定值时，flush 该
HRegion 的所有 memstore。RegionServer 的 flush 是通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
能会导致内存陡增，最坏的情况是触发 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
<!-- 一个store里面允许存的hfile的个数，超过这个个数会被写到新的一个hfile里面 也即是每个region的每个列族对应的memstore在fulsh为hfile的时候，默认情况下当超过3个hfile的时候就会 对这些文件进行合并重写为一个新文件，设置个数越大可以减少触发合并的时间，但是每次合并的时间就会越长 --> <property> <name>hbase.hstore.compactionThreshold</name> <value>3</value> <description> If more than this number of HStoreFiles in any one HStore (one HStoreFile is written per flush of memstore) then a compaction is run to rewrite all HStoreFiles files as one. Larger numbers put off compaction but when it runs, it takes longer to complete. </description> </property> <!-- 每个minor compaction操作的 允许的最大hfile文件上限 --> <property> <name>hbase.hstore.compaction.max</name> <value>10</value> <description>Max number of HStoreFiles to compact per 'minor' compaction.</description> </property> <!-- regionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%,而且regionserver级别的 flush会阻塞客户端读写 --> <property> <name>hbase.regionserver.global.memstore.size</name> <value></value> <description>Maximum size of all memstores in a region server before new updates are blocked and flushes are forced. Defaults to 40% of heap (0.4). Updates are blocked and flushes are forced until size of all memstores in a region server hits hbase.regionserver.global.memstore.size.lower.limit. The default value in this configuration has been intentionally left emtpy in order to honor the old hbase.regionserver.global.memstore.upperLimit property if present. </description> </property> <!-- 内存中的文件在自动刷新之前能够存活的最长时间，默认是1h --> <property> <name>hbase.regionserver.optionalcacheflushinterval</name> <value>3600000</value> <description> Maximum amount of time an edit lives in memory before being automatically flushed. Default 1 hour. Set it to 0 to disable automatic flushing. </description> </property> <!-- 单个region里memstore的缓存大小，超过那么整个HRegion就会flush,默认128M --> <property> <name>hbase.hregion.memstore.flush.size</name> <value>134217728</value> <description> Memstore will be flushed to disk if size of the memstore exceeds this number of bytes. Value is checked by a thread that runs every hbase.server.thread.wakefrequency. </description> </property>