bbgs-xc

一、HBase的优化

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)
  [xcc@linux01 hbase]$ bin/stop-hbase.sh
2.在 conf 目录下创建 backup-masters 文件
  [xcc@linux01 hbase]$ touch conf/backup-masters
3.在 backup-masters 文件中配置高可用 HMaster 节点
  [xcc@linux01 hbase]$ echo linux02 > conf/backup-masters
4.将整个 conf 目录 scp 到其他节点
  [xcc@linux01 hbase]$ scp -r conf/ linux02:/opt/module/hbase/
  [xcc@linux01 hbase]$ scp -r conf/ linux03:/opt/module/hbase/
5.打开页面测试查看
  http://linux01:16010

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。那么按照这个原则,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> 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
  bbbb
  cccc
  dddd
然后执行:
  Hbase> 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);

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。RowKey的常用设计方案为:
  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

#这样可以一定程度上散列put进来的数据
20200524000001
转成 10000042500202 20200524000002 转成 20000042500202

  3)字符串拼接

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。

hbase.hregion.memstore.flush.size:134217728  #128m

  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

  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

二、Hbase的协处理器

示例代码:hbase-coprocessor

  使用HBase查找数据时,尽可能的使用rowKey去精准的定位数据位置,而非使用ColumnValueFilter或者SingleColumnValueFilter,按照单元格Cell中的Value过滤数据,这样做在数据量巨大的情况下,效率是极低的——如果要涉及到全表扫描。所以尽量不要做这样可怕的事情。注意,这并非ColumnValueFilter就无用武之地。现在,我们将使用协处理器,将数据一分为二。

1,编写协处理器类CallWriteObserver,继承BaseRegionObserver重写需要的方法。这里重写postPut方法。         
2,在创建表的前面对表描述器添加些处理器类名addCoprocessor("className").
3,配置完成,上传到linux上打jar包到hbase的lib下,配置conf下的hbase-site.xml文件,同步到其它的linux上。
4,在hbase-site.xml配置文件中添加
    <!--指定协处理器的类-->
    <property>
        <name>hbase.coprocessor.region.classes</name>
        <value>hbase.CallWriteObserver</value>
    </property>
5,建议在hbase-site.xml中再加入以下配置,防止协处理器出现错误时导致regionServer挂掉。
    <property>
      <name>hbase.coprocessor.abortonerror</name>
      <value>false</value>
    </property>

分类:

技术点:

相关文章: