hbase性能优化初探

表的设计

 1. 考虑提前设置多个region‘
 2.   列族尽量少
 3.   raw key的设计：尽量短，有利于业务需求，尽量散列开

1. 考虑提前设置多个region‘
   默认情况下，在创建HBase表的时候会自动创建一个region分区，当导入数据的时候，所有的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。一种可以加快批量写入速度的方法是通过预先创建一些空的regions，这样当数据写入HBase时，会按照region分区情况，在集群内做数据的负载均衡。
2. 列族尽量少
   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。因为某个column family在flush的时候，它邻近的column family无论是否达到阀值，也会因关联效应被触发flush，最终导致系统产生更多的I/O，和更多的小文件，然后小文件增多再触发minor compaction
3. raw key的设计：尽量短，有利于业务需求，尽量散列开
   在HBase中，row key可以是任意字符串，最大长度64KB，实际应用中一般为10~100bytes，存为byte[]字节数组，一般设计成定长的。row key是按照字典序存储，因此，设计row key时，要充分利用这个排序特点，将经常一起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：如果最近写入HBase表中的数据是最可能被访问的，可以考虑将时间戳作为row key的一部分，由于是字典序排序，所以可以使用Long.MAX_VALUE - timestamp作为row key，这样能保证新写入的数据在读取时可以被快速命中。

写操作

考虑分布式多节点参与写
能批量写就批量写，只耗费一次网络IO
写缓存memstore，写缓存memstore关闭自动刷新
调整version的大小 
关闭自动major compaction

1. 考虑分布式多节点参与写

2. 能批量写就批量写，只耗费一次网络IO
   通过调用HTable.put(Put)方法可以将一个指定的row key记录写入HBase，同样HBase提供了另一个方法：通过调用HTable.put(List)方法可以将指定的row key列表，批量写入多行记录，这样做的好处是批量执行，只需要一次网络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升。

3. 写缓存memstore关闭自动刷新
   通过调用HTable.setAutoFlush(false)方法可以将HTable写客户端的自动flush关闭，这样可以批量写入数据到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。默认情况下auto flush是开启的。

4. 调整version的大小
   创建表的时候，可以通过HColumnDescriptor.setMaxVersions(int maxVersions)设置表中数据的最大版本数，如果只需要保存最新版本的数据，那么可以设置setMaxVersions(1)。

5. 关闭自动major compaction
   数据写流程：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累计到一定阈值时，就会创建一个新的MemStore，并且将老的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，表示这个时刻之前的变更已经持久化了(minor compact)。
   major conpaction及split:StoreFile是只读的，一旦创建后就不可以再修改。因此Hbase的更新其实是不断追加的操作。当一个Store中的StoreFile达到一定的阈值后，就会进行一次合并(major compact)，将对同一个key的修改合并到一起，形成一个大的StoreFile，当StoreFile的大小达到一定阈值后，又会对 StoreFile进行分割(split)，等分为两个StoreFile。
   考虑手动major compaction：实际应用中，可以考虑必要时手动进行major compact，因为major compact会耗费很多IO,可以选择在系统不忙的时候进行。

读操作

考虑多线程读
批量读
调整读缓存blockcache大小与阀值

1. 考虑多线程读

2. 批量读
   通过调用HTable.get(Get)方法可以根据一个指定的row key获取一行记录，同样HBase提供了另一个方法：通过调用HTable.get(List)方法可以根据一个指定的row key列表，批量获取多行记录，这样做的好处是批量执行，只需要一次网络I/O开销，这对于对数据实时性要求高而且网络传输RTT高的情景下可能带来明显的性能提升。

3. 调整读缓存blockcache大小与阀值

来源：CSDN

作者：qq_41634872

链接：https://blog.csdn.net/qq_41634872/article/details/104197007