HBase 优化之四大法宝

HBase 优化主要有四大方法：预分区、RowKey设计、内存优化、基础优化

1、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
2. 生成16进制序列预分区

3. 按照文件中设置的规则预分区

   在Hbase解压缩目录中创建splits.txt文件内容如下：

   aaaa
   bbbb
   cccc
   dddd
              

   然后执行：
4. 使用Java API创建预分区

   TableDescriptorBuilder td = TableDescriptorBuilder.newBuilder(TableName.valueOf(tn));
   for ( String cf : cfs ) {
       final ColumnFamilyDescriptorBuilder columnFamilyDescriptorBuilder
               = ColumnFamilyDescriptorBuilder.newBuilder(Bytes.toBytes(cf));
       td.setColumnFamily(columnFamilyDescriptorBuilder.build());
   }
   byte[][] bss = new byte[2][];
   
   String r1 = "a";
   String r2 = "b";
   bss[0] = Bytes.toBytes(r1);
   bss[1] = Bytes.toBytes(r2);
   
   admin.createTable(td.build(),bss);
              

2、RowKey设计

一条数据的唯一标识就是rowkey，类似于关系型数据库的主键。在HBase中，rowkey是有序的。由于HBase存在分区的概念，所以当存储数据时，这条数据存储于哪个分区，就取决于rowkey处于哪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

   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
              

3. 字符串拼接

   20170524000001_a12e
   20170524000001_93i7
              

3、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，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16~36G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。

4、基础优化

1. Zookeeper会话超时时间

   hbase-site.xml

   属性：zookeeper.session.timeout

   解释：默认值为90000毫秒（90s）。当某个RegionServer挂掉，90s之后Master才能察觉到。可适当减小此值，以加快Master响应，可调整至600000毫秒。

2. 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。

3. 手动控制Major Compaction

   hbase-site.xml

   属性：hbase.hregion.majorcompaction

   解释：默认值：604800000秒（7天）， Major Compaction的周期，若关闭自动Major Compaction，可将其设为0

4. 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. 优化HBase客户端缓存

   hbase-site.xml

   属性：hbase.client.write.buffer

   解释：默认值2097152bytes（2M）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。

6. 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。

7. BlockCache占用RegionServer堆内存的比例

   hbase-site.xml

   属性：hfile.block.cache.size

   解释：默认0.4，读请求比较多的情况下，可适当调大

8. MemStore占用RegionServer堆内存的比例

   hbase-site.xml

   属性：hbase.regionserver.global.memstore.size

   解释：默认0.4，写请求较多的情况下，可适当调大