當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

HBase性能优化方法总结（2）：表的设计

發布時間：2025/7/14 编程问答 15 豆豆

生活随笔收集整理的這篇文章主要介紹了 HBase性能优化方法总结（2）：表的设计小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

本文主要是從HBase應用程序設計與開發的角度，總結幾種常用的性能優化方法。有關HBase系統配置級別的優化，可參考：淘寶Ken Wu同學的博客。

下面是本文總結的第一部分內容：表的設計相關的優化方法。

1. 表的設計

1.1 Pre-Creating Regions

默認情況下，在創建HBase表的時候會自動創建一個region分區，當導入數據的時候，所有的HBase客戶端都向這一個region寫數據，直到這個region足夠大了才進行切分。一種可以加快批量寫入速度的方法是通過預先創建一些空的regions，這樣當數據寫入HBase時，會按照region分區情況，在集群內做數據的負載均衡。

有關預分區，詳情參見：Table Creation: Pre-Creating Regions，下面是一個例子：

[java]?view plaincopy

public?static?boolean?createTable(HBaseAdmin?admin,?HTableDescriptor?table,?byte[][]?splits)??

throws?IOException?{??

??try?{??

????admin.createTable(table,?splits);??

????return?true;??

??}?catch?(TableExistsException?e)?{??

????logger.info("table?"?+?table.getNameAsString()?+?"?already?exists");??

????//?the?table?already?exists...??

????return?false;????

??}??

}??

public?static?byte[][]?getHexSplits(String?startKey,?String?endKey,?int?numRegions)?{??

??byte[][]?splits?=?new?byte[numRegions-1][];??

??BigInteger?lowestKey?=?new?BigInteger(startKey,?16);??

??BigInteger?highestKey?=?new?BigInteger(endKey,?16);??

??BigInteger?range?=?highestKey.subtract(lowestKey);??

??BigInteger?regionIncrement?=?range.divide(BigInteger.valueOf(numRegions));??

??lowestKey?=?lowestKey.add(regionIncrement);??

??for(int?i=0;?i?<?numRegions-1;i++)?{??

????BigInteger?key?=?lowestKey.add(regionIncrement.multiply(BigInteger.valueOf(i)));??

????byte[]?b?=?String.format("6x",?key).getBytes();??

????splits[i]?=?b;??

??}??

??return?splits;??

}??

1.2 Row Key

HBase中row key用來檢索表中的記錄，支持以下三種方式：

通過單個row key訪問：即按照某個row key鍵值進行get操作；
通過row key的range進行scan：即通過設置startRowKey和endRowKey，在這個范圍內進行掃描；
全表掃描：即直接掃描整張表中所有行記錄。

在HBase中，row key可以是任意字符串，最大長度64KB，實際應用中一般為10~100bytes，存為byte[]字節數組，一般設計成定長的。

row key是按照字典序存儲，因此，設計row key時，要充分利用這個排序特點，將經常一起讀取的數據存儲到一塊，將最近可能會被訪問的數據放在一塊。

舉個例子：如果最近寫入HBase表中的數據是最可能被訪問的，可以考慮將時間戳作為row key的一部分，由于是字典序排序，所以可以使用Long.MAX_VALUE - timestamp作為row key，這樣能保證新寫入的數據在讀取時可以被快速命中。

1.3 Column Family

不要在一張表里定義太多的column family。目前Hbase并不能很好的處理超過2~3個column family的表。因為某個column family在flush的時候，它鄰近的column family也會因關聯效應被觸發flush，最終導致系統產生更多的I/O。感興趣的同學可以對自己的HBase集群進行實際測試，從得到的測試結果數據驗證一下。

1.4 In Memory

創建表的時候，可以通過HColumnDescriptor.setInMemory(true)將表放到RegionServer的緩存中，保證在讀取的時候被cache命中。

1.5 Max Version

創建表的時候，可以通過HColumnDescriptor.setMaxVersions(int?maxVersions)設置表中數據的最大版本，如果只需要保存最新版本的數據，那么可以設置setMaxVersions(1)。

1.6 Time To Live

創建表的時候，可以通過HColumnDescriptor.setTimeToLive(int timeToLive)設置表中數據的存儲生命期，過期數據將自動被刪除，例如如果只需要存儲最近兩天的數據，那么可以設置setTimeToLive(2 * 24 * 60 * 60)。

1.7 Compact & Split

在HBase中，數據在更新時首先寫入WAL 日志(HLog)和內存(MemStore)中，MemStore中的數據是排序的，當MemStore累計到一定閾值時，就會創建一個新的MemStore，并且將老的MemStore添加到flush隊列，由單獨的線程flush到磁盤上，成為一個StoreFile。于此同時，系統會在zookeeper中記錄一個redo point，表示這個時刻之前的變更已經持久化了(minor compact)。

StoreFile是只讀的，一旦創建后就不可以再修改。因此Hbase的更新其實是不斷追加的操作。當一個Store中的StoreFile達到一定的閾值后，就會進行一次合并(major compact)，將對同一個key的修改合并到一起，形成一個大的StoreFile，當StoreFile的大小達到一定閾值后，又會對 StoreFile進行分割(split)，等分為兩個StoreFile。

由于對表的更新是不斷追加的，處理讀請求時，需要訪問Store中全部的StoreFile和MemStore，將它們按照row key進行合并，由于StoreFile和MemStore都是經過排序的，并且StoreFile帶有內存中索引，通常合并過程還是比較快的。

實際應用中，可以考慮必要時手動進行major compact，將同一個row key的修改進行合并形成一個大的StoreFile。同時，可以將StoreFile設置大些，減少split的發生。

轉載自：http://www.cnblogs.com/panfeng412/archive/2012/03/08/hbase-performance-tuning-section1.html

public?static?boolean createTable(HBaseAdmin admin, HTableDescriptor table, byte[][] splits)?

throws IOException {?

? try {?

??? admin.createTable(table, splits);?

??? return?true;?

? } catch (TableExistsException e) {?

??? logger.info("table " + table.getNameAsString() + " already exists");?

??? // the table already exists...?

??? return?false;???

? }?

public?static?byte[][] getHexSplits(String startKey, String endKey, int numRegions) {?

? byte[][] splits = new?byte[numRegions-1][];?

? BigInteger lowestKey = new BigInteger(startKey, 16);?

? BigInteger highestKey = new BigInteger(endKey, 16);?

? BigInteger range = highestKey.subtract(lowestKey);?

? BigInteger regionIncrement = range.divide(BigInteger.valueOf(numRegions));?

? lowestKey = lowestKey.add(regionIncrement);?

? for(int i=0; i < numRegions-1;i++) {?

??? BigInteger key = lowestKey.add(regionIncrement.multiply(BigInteger.valueOf(i)));?

??? byte[] b = String.format("6x", key).getBytes();?

??? splits[i] = b;?