预分区
当一个时间段有大量客户端访问，读写请求多的时候，就算是region split也只是1个region变成2个region，并不能满足并发量高的情况，此时需要设置预分区
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',SPLITS => ['1000','2000','3000','4000']
2）只要指定分区个数即可，生成16进制序列预分区
create 'staff2','info',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
3）分区多的时候，比如100个，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','info',SPLITS_FILE => '文件路径\splits.txt'
4）工作中很多时候没有权限使用hbase的shell分区，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);
rowkey设计
Rowkey设计原则:
| 1、 长度原则: | rowkey 的长度不能太长，一般保持在 16字节以下 |
|---|---|
| 2、 唯一性原则: | 数据写入的时候两条数据的 rowkey 不能相同 |
| 3、 Hash原则: | 保证数据分散存储 |
热点问题（数据倾斜）解决方案:
| 1）使用hashCode | 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）反转 | 20170524000001转成10000042507102 20170524000002转成20000042507102 |
| 3）加盐（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。
默认1G
通过修改hbase-env.sh修改内存大小
vim /opt/module/hbase/conf/hbase-env.sh
另外
如果RegionServer内存设置为16G，
那么memstore为16*0.4=6.4G
基础优化
1）允许在HDFS的文件中追加内容（目前版本已经默认为开，所以不用管）
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，
我：如果并发量超过则进入排队
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，或请求超时，需要重新发起请求，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。
我：hbase也有线程池，调整这个属性，相当于增加线程池个数，处理高并发情况
*RPC（Remote Procedure Call）远程过程调用，简单的理解是一个节点请求另一个节点提供的服务
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。
我：调小这个属性，加快mr任务速度
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。
我：企业中一般2000-5000条
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：
hbase.hregion.memstore.flush.size：134217728
hbase.regionserver.global.memstore.size.lower.limit 0.95，企业中这个一般设置为75%
hbase.regionserver.global.memstore.size 0.4
若有收获，就点个赞吧
0 人点赞
