HBase快速入门系列(9) | HBase优化

2020-10-28 16:45:13 浏览数 (1)

1. HBase HA(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）
代码语言：javascript复制
[bigdata@hadoop002 hbase]$ bin/stop-hbase.sh
  • 2. 在conf目录下创建backup-masters文件(要整个集群都有)
代码语言：javascript复制
[bigdata@hadoop002 conf]$ vim backup-masters

// 想让谁称为备用机就填谁
hadoop003
  • 3. 将整个conf目录scp到其他节点
代码语言：javascript复制
[bigdata@hadoop002 hbase]$ scp -r conf/ hadoop003:/opt/module/hbase/
[bigdata@hadoop002 hbase]$ scp -r conf/ hadoop004:/opt/module/hbase/
  • 4. 启动测试
代码语言：javascript复制
[bigdata@hadoop002 hbase]$ bin/start-hbase.sh

http://hadooo002:16010

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
代码语言：javascript复制
// 分区键 SPLITS
hbase> create 'staff','info','partition',SPLITS => ['1000','2000','3000']

  查看分区情况(web)

  • 2. 生成16进制序列预分区
代码语言：javascript复制
// 指定分区自动生成分区
hbase> create 'staff1','info',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

  查看分区情况(web)

  放入一条数据

代码语言：javascript复制
hbase(main):003:0> put 'staff1','abc','info:name','101010'
  • 3. 按照文件中设置的规则预分区

① 创建splits.txt文件内容如下：

代码语言：javascript复制
[bigdata@hadoop002 hbase]$ vim split.txt

// 下列为分区键
aaaa
bbbb
cccc
dddd

② 然后执行

代码语言：javascript复制
hbase(main):005:0> create 'staff2','partition2',SPLITS_FILE => './split.txt'
  • 4. 使用JavaAPI创建预分区
代码语言：javascript复制
    public static void main(String[] args) throws IOException {
        Admin admin = connection.getAdmin();

        byte[][] splitKeys = new byte[3][];

        splitKeys[0]=Bytes.toBytes("1000");
        splitKeys[1]=Bytes.toBytes("2000");
        splitKeys[2]=Bytes.toBytes("3000");

        HTableDescriptor desc = new HTableDescriptor(TableName.valueOf("staff3"));

        desc.addFamily(new HColumnDescriptor("info"));

        admin.createTable(desc,splitKeys);

        admin.close();

    }

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
代码语言：javascript复制
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
代码语言：javascript复制
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
代码语言：javascript复制
20170524000001_a12e
20170524000001_93i7

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。

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，设置为4096或者更高。默认值：4096

  • 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

代码语言：javascript复制
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。

代码语言：javascript复制
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

  本次的分享就到这里了

xml hbase TDSQLMySQL版 node.js rpc

0 人点赞