6. HBase优化
文章目录
- HBase优化
- 1. 高可用
- 2. 预分区☆
- 3. RowKey ☆☆
- 4. 内存优化
- 5. 基础优化
- 5.1 允许在 HDFS 的文件中追加内容
- 5.2 优化 DataNode 允许的最大文件打开数
- 5.3 优化延迟高的数据操作的等待时间
- 5.4 优化数据的写入效率
- 5.5 设置 RPC 监听数量
- 5.6 优化 HStore 文件大小
- 5.7 优化 HBase 客户端缓存
- 5.8 指定 scan.next 扫描 HBase 所获取的行数
- 5.9 flush、compact、split 机制
- 涉及属性:
- ☆
HBase优化
1. 高可用
在 HBase 中 HMaster 负责监控 HRegionServer 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)
bin/stop-hbase.sh#2.在 conf 目录下创建 backup-masters 文件
touch conf/backup-masters#3.在 backup-masters 文件中配置高可用 HMaster 节点
echo hadoop101 > conf/backup-masters#4.将整个 conf 目录 scp 到其他节点
scp -r conf/ hadoop101:/opt/module/hbase/
scp -r conf/ hadoop102:/opt/module/hbase/#5.打开页面测试查看
http://hadooo101:16010
2. 预分区☆
每一个 region 维护着 StartRow 与 EndRow,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
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
cccc
bbbb
dddd
#然后执行:
create 'staff3','partition3',SPLITS_FILE => '/opt/module/hbase/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);
3. RowKey ☆☆
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 1000004250710220170524000002 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_a12e20170524000001_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
5.1 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。
5.2 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
5.3 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。
5.4 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。
5.5 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。
5.6 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。
5.7 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。
5.8 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。
5.9 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。
☆
6. HBase优化相关推荐
- 网易视频云:HBase优化实战
网易视频云是网易倾力打造的一款基于云计算的分布式多媒体处理集群和专业音视频技术,提供稳定流畅.低时延.高并发的视频直播.录制.存储.转码及点播等音视频的PAAS服务,在线教育.远程医疗.娱乐秀场.在线 ...
- Kylin 在贝壳找房的实践及 HBase 优化
近期Apache Kylin Meetup上,贝壳找房高级研发工程师冯亮分享了Kylin在贝壳找房的实践,从性能调优上向大家介绍如何通过对 HBase 的优化来保障重点业务的查询性能,实现 Kylin ...
- HBase优化案例分析:Facebook Messages系统问题与解决方案
HDFS设计的初衷是为了存储大文件(例如日志文件),面向批处理.顺序I/O的.然而架设在HDFS之上的HBase设计的初衷却是为了解决海量数据的随机读写的请求.把这两种设计初衷截然相反的组件怎么揉在一 ...
- 干货:Spark RDD写入HBase 优化
文章目录 一.HBase部分 1-1.hbase.regionserver.handler.count 1-2.压缩 1-3.分裂 1-4.hbase.regionserver.optionallog ...
- HBase(6):HBase优化
目录 0. 相关文章链接 1. RowKey 设计 1.1. 需求实现一 1.2. 需求实现二 1.3. 添加预分区优化 2. 参数优化 3. JVM 调优 4. HBase 使用经验法则 0. 相关 ...
- HBase优化之Apache Phoenix二级索引
索引分类 全局索引 本地索引 覆盖索引 函数索引 全局索引 全局索引适用于读多写少业务 当构建了全局索引时,Phoenix会拦截写入(DELETE.UPSERT值和UPSERT SELECT)上的数据 ...
- hbase scan超时设置_如何在优化生产环境的hbase
hbase 是hadoop生态圈的一员,在数据服务应用中具有举足轻重的地位,我们当然有必要掌握,hbase日常的大部分应用在数据查询服务中,因此查询的时候必然涉及到scan操作,因此在建表的时候就要对 ...
- Hbase万亿级存储性能优化总结:配置项、hdfs、zookeeper、jvm参数等
背景 hbase主集群在生产环境已稳定运行有1年半时间,最大的单表region数已达7200多个,每天新增入库量就有百亿条,对hbase的认识经历了懵懂到熟的过程.为了应对业务数据的压力,hbase入 ...
- 三、HBase的优化(后期继续优化)
HBase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 ...
- 【HBase调优】Hbase万亿级存储性能优化总结
[HBase调优]Hbase万亿级存储性能优化总结 2017-04-07 背景:HBase主集群在生产环境已稳定运行有1年半时间,最大的单表region数已达7200多个,每天新增入库量就有百亿条,对 ...
最新文章
- 全新发布:《SQL语法速成手册》
- HelloWorld !
- Ipython 和 python 的区别
- html怎么做模糊条纹,如何使用纯CSS实现彩虹条纹文字的效果
- Maven国内镜像 Maven阿里云镜像
- (十八)深入浅出TCPIP之HTTP和HTTPS
- 好的程序员就应该有强迫症
- 使用jsp循环查询mysql_[JSP] 创建mysql数据库利用JSP进行数据库查询(1)
- 为什么其他计算机连接需要密码是什么东西,连接其他电脑需要密码怎么处理
- 打开html文件显示undefined,undefined是什么?电脑网页出现undefined时如何解决?
- Gbase与oracle数据库的区别
- 在ubuntu上一键安装TIM的脚本
- Oracle数据库备份与恢复命令
- PHP学习----换行符
- spark开发及调优
- Linux-DRBD
- windows 消息处理
- 设计模式之模板方法模式在kafka DelayedOperation中的应用
- Tableau新手入门指南一篇搞定!
- Python 关于大文件的读写