HBase优化
目录
- 高可用
- 预分区
- RowKey设计
- 内存优化
- 基础优化
- 总结(hbase的优化)
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)
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
hadoop103
hadoop104
4.将整个conf目录scp到其他节点
scp -r conf/ hadoop103:/export/servers/HBase/
scp -r conf/ hadoop104:/export/servers/HBase/
5.打开页面测试查看
http://hadooo102:16010
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
HBase> create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']
一共有5个区
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
bbbb
dddd
cccc
然后执行:
create 'staff3','partition3',SPLITS_FILE => 'splits.txt'
即使你的字母排序是乱的,最终hbase会将字母按顺序排好
4.使用JavaAPI创建预分区
在API中创建表中添加
admin.createTable(hTableDescriptor, Bytes.toBytes("aaaa"),Bytes.toBytes("eeee"),4);
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
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
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_a12e
20170524000001_93i7
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。
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
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
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
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
总结(hbase的优化)
一、hbase的高可用
1.regionserver由master负责高可用,一个regionserver挂掉,它负责的region会自动分配给其他的regionserver!
2.需要配置的是master的高可用!
3.需要在conf/backup-masters,列出备用的master!二、预分区
1.目的
(1)通常情况下,每次建表时,默认只有一个region!随着这个region的数据不断增多,region会自动切分!
(2)自动切分: 将当前region中的所有的rowkey进行排序,排序后取start-key和stopkey中间的rowkey,由这个rowkey一分为二,一分为二后,生成两个region,新增的Region会交给其他的RS负责,目的是为了达到负载均衡,但是通常往往会适得其反!
(3)为例避免某些热点Region同时分配到同一个RegionServer,可以在建表时,自己提前根据数据的特征规划region!2.注意:
如果使用HexStringSplit算法,随机生成region的边界!
在插入一条数据时,rowkey必须先采取HexString,转为16进制,再插入到表中!三、Rowkey的设计
1.使用字符串拼接设计Rowkey原则:
①rowkey作为数据的唯一主键,需要紧密和业务相关,从业务中选择某个代表性的字段作为rowkey
②保证rowkey字段选取时的唯一性,不重复性
③rowkey足够散列,负载均衡
④让有业务关联的rowkey尽量分布到一个region中例如: 转账的场景
流水号 转入账户 转出账户 时间 金额 用户
流水号适合作为rowkey,将流水号再拼接字符串,生成完整的rowkey!格式:
流水号+时间戳 时间戳+流水号
流水号+随机数 随机数+流水号
如果流水号在设计时,足够散列,可以使用流水号在前,拼接随机数!
如果流水号不够散列,可以使用函数计算其散列值,或拼接一个散列的值!举例
:如何让一个月的数据,分布到同一个Region!可以取月份的时间,作为计算的参数,使用hash运算,将运算后的字符串,拼接到rowkey前部!四、内存的分配
在conf/hbase-env.sh 中,编写regionserver进程启动时的JVM参数!
-Xms : JVM堆的起始值
-Xmx : JVM堆的最大值
export HBASE_HEAPSIZE=1G 或
export HBASE_OPTS=”-XX:+UseConcMarkSweepGC”
还没有评论,来说两句吧...