HBase性能优化方法总结(4):读表操作

12年前
本文主要是从HBase应用程序设计与开发的角度,总结几种常用的性能优化方法。有关HBase系统配置级别的优化,可参考:淘宝Ken Wu同学的博客

下面是本文总结的第三部分内容:读表操作相关的优化方法。

3. 读表操作

3.1 多HTable并发读

创建多个HTable客户端用于读操作,提高读数据的吞吐量,一个例子:

static final Configuration conf = HBaseConfiguration.create();  static final String table_log_name = “user_log”;  rTableLog = new HTable[tableN];  for (int i = 0; i < tableN; i++) {      rTableLog[i] = new HTable(conf, table_log_name);      rTableLog[i].setScannerCaching(50);  }

3.2 HTable参数设置

3.2.1 Scanner Caching

通过调用HTable.setScannerCaching(int scannerCaching)可以设置HBase scanner一次从服务端抓取的数据条数,默认情况下一次一条。通过将此值设置成一个合理的值,可以减少scan过程中next()的时间开销,代价是scanner需要通过客户端的内存来维持这些被cache的行记录。

3.2.2 Scan Attribute Selection

scan时指定需要的Column Family,可以减少网络传输数据量,否则默认scan操作会返回整行所有Column Family的数据。

3.2.3 Close ResultScanner

通过scan取完数据后,记得要关闭ResultScanner,否则RegionServer可能会出现问题(对应的Server资源无法释放)。

3.3 批量读

通过调用HTable.get(Get)方法可以根据一个指定的row key获取一行记录,同样HBase提供了另一个方法:通过调用HTable.get(List<Get>)方法可以根据一个指定的row key列表,批量获取多行记录,这样做的好处是批量执行,只需要一次网络I/O开销,这对于对数据实时性要求高而且网络传输RTT高的情景下可能带来明显的性能提升。

3.4 多线程并发读

在客户端开启多个HTable读线程,每个读线程负责通过HTable对象进行get操作。下面是一个多线程并发读取HBase,获取店铺一天内各分钟PV值的例子:

public class DataReaderServer {       //获取店铺一天内各分钟PV值的入口函数       public static ConcurrentHashMap<String, String> getUnitMinutePV(long uid, long startStamp, long endStamp){           long min = startStamp;           int count = (int)((endStamp - startStamp) / (60*1000));           List<String> lst = new ArrayList<String>();           for (int i = 0; i <= count; i++) {              min = startStamp + i * 60 * 1000;              lst.add(uid + "_" + min);           }           return parallelBatchMinutePV(lst);       }        //多线程并发查询,获取分钟PV值  private static ConcurrentHashMap<String, String> parallelBatchMinutePV(List<String> lstKeys){          ConcurrentHashMap<String, String> hashRet = new ConcurrentHashMap<String, String>();          int parallel = 3;          List<List<String>> lstBatchKeys  = null;          if (lstKeys.size() < parallel ){              lstBatchKeys  = new ArrayList<List<String>>(1);              lstBatchKeys.add(lstKeys);          }          else{              lstBatchKeys  = new ArrayList<List<String>>(parallel);              for(int i = 0; i < parallel; i++  ){                  List<String> lst = new ArrayList<String>();                  lstBatchKeys.add(lst);              }                for(int i = 0 ; i < lstKeys.size() ; i ++ ){                  lstBatchKeys.get(i%parallel).add(lstKeys.get(i));              }          }                    List<Future< ConcurrentHashMap<String, String> >> futures = new ArrayList<Future< ConcurrentHashMap<String, String> >>(5);                    ThreadFactoryBuilder builder = new ThreadFactoryBuilder();          builder.setNameFormat("ParallelBatchQuery");          ThreadFactory factory = builder.build();          ThreadPoolExecutor executor = (ThreadPoolExecutor) Executors.newFixedThreadPool(lstBatchKeys.size(), factory);                    for(List<String> keys : lstBatchKeys){              Callable< ConcurrentHashMap<String, String> > callable = new BatchMinutePVCallable(keys);              FutureTask< ConcurrentHashMap<String, String> > future = (FutureTask< ConcurrentHashMap<String, String> >) executor.submit(callable);              futures.add(future);          }          executor.shutdown();                    // Wait for all the tasks to finish          try {            boolean stillRunning = !executor.awaitTermination(                5000000, TimeUnit.MILLISECONDS);            if (stillRunning) {              try {                  executor.shutdownNow();              } catch (Exception e) {                  // TODO Auto-generated catch block                  e.printStackTrace();              }            }          } catch (InterruptedException e) {            try {                Thread.currentThread().interrupt();            } catch (Exception e1) {              // TODO Auto-generated catch block              e1.printStackTrace();            }          }                    // Look for any exception          for (Future f : futures) {            try {                if(f.get() != null)                {                    hashRet.putAll((ConcurrentHashMap<String, String>)f.get());                }            } catch (InterruptedException e) {              try {                   Thread.currentThread().interrupt();              } catch (Exception e1) {                  // TODO Auto-generated catch block                  e1.printStackTrace();              }            } catch (ExecutionException e) {              e.printStackTrace();            }          }                    return hashRet;      }       //一个线程批量查询,获取分钟PV值      protected static ConcurrentHashMap<String, String> getBatchMinutePV(List<String> lstKeys){          ConcurrentHashMap<String, String> hashRet = null;          List<Get> lstGet = new ArrayList<Get>();          String[] splitValue = null;          for (String s : lstKeys) {              splitValue = s.split("_");              long uid = Long.parseLong(splitValue[0]);              long min = Long.parseLong(splitValue[1]);              byte[] key = new byte[16];              Bytes.putLong(key, 0, uid);              Bytes.putLong(key, 8, min);              Get g = new Get(key);              g.addFamily(fp);              lstGet.add(g);          }          Result[] res = null;          try {              res = tableMinutePV[rand.nextInt(tableN)].get(lstGet);          } catch (IOException e1) {              logger.error("tableMinutePV exception, e=" + e1.getStackTrace());          }            if (res != null && res.length > 0) {              hashRet = new ConcurrentHashMap<String, String>(res.length);              for (Result re : res) {                  if (re != null && !re.isEmpty()) {                      try {                          byte[] key = re.getRow();                          byte[] value = re.getValue(fp, cp);                          if (key != null && value != null) {                              hashRet.put(String.valueOf(Bytes.toLong(key,                                      Bytes.SIZEOF_LONG)), String.valueOf(Bytes                                      .toLong(value)));                          }                      } catch (Exception e2) {                          logger.error(e2.getStackTrace());                      }                  }              }          }            return hashRet;      }  }  //调用接口类,实现Callable接口  class BatchMinutePVCallable implements Callable<ConcurrentHashMap<String, String>>{       private List<String> keys;         public BatchMinutePVCallable(List<String> lstKeys ) {           this.keys = lstKeys;       }         public ConcurrentHashMap<String, String> call() throws Exception {           return DataReadServer.getBatchMinutePV(keys);       }  }

3.5 缓存查询结果

对于频繁查询HBase的应用场景,可以考虑在应用程序中做缓存,当有新的查询请求时,首先在缓存中查找,如果存在则直接返回,不再查询HBase;否则对HBase发起读请求查询,然后在应用程序中将查询结果缓存起来。至于缓存的替换策略,可以考虑LRU等常用的策略。

3.6 Blockcache

HBase上Regionserver的内存分为两个部分,一部分作为Memstore,主要用来写;另外一部分作为BlockCache,主要用于读。

写请求会先写入Memstore,Regionserver会给每个region提供一个Memstore,当Memstore满64MB以后,会启动 flush刷新到磁盘。当Memstore的总大小超过限制时(heapsize * hbase.regionserver.global.memstore.upperLimit * 0.9),会强行启动flush进程,从最大的Memstore开始flush直到低于限制。

读请求先到Memstore中查数据,查不到就到BlockCache中查,再查不到就会到磁盘上读,并把读的结果放入BlockCache。由于BlockCache采用的是LRU策略,因此BlockCache达到上限(heapsize * hfile.block.cache.size * 0.85)后,会启动淘汰机制,淘汰掉最老的一批数据。

一个Regionserver上有一个BlockCache和N个Memstore,它们的大小之和不能大于等于heapsize * 0.8,否则HBase不能启动。默认BlockCache为0.2,而Memstore为0.4。对于注重读响应时间的系统,可以将 BlockCache设大些,比如设置BlockCache=0.4,Memstore=0.39,以加大缓存的命中率。

有关BlockCache机制,请参考这里:HBase的Block cacheHBase的blockcache机制hbase中的缓存的计算与使用

转载自:http://www.cnblogs.com/panfeng412/archive/2012/03/08/hbase-performance-tuning-section3.html