HBase性能优化方法总结（三）：读表操作

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：

Configuration conf = HBaseConfiguration.create();

String table_log_name = “user_log”;

rTableLog = HTable[tableN];

( i = 0; i < tableN; i++) {

rTableLog = HTable(conf,
table_log_name);

rTableLog.setScannerCaching(50);

}

3.2 HTable参数设置3.2.1 Scanner Cachinghbase.client.scanner.caching配置项可以设置HBase scanner一次从服务端抓取的数据条数，默认情况下一次一条。通过将其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。

有三个地方可以进行配置：1）在HBase的conf配置文件中进行配置；2）通过调用HTable.setScannerCaching(int scannerCaching)进行配置；3）通过调用Scan.setCaching(int caching)进行配置。三者的优先级越来越高。

3.2.2 Scan Attribute Selectionscan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：

DataReaderServer {

ConcurrentHashMap<String, String> getUnitMinutePV( uid, startStamp, endStamp){

min = startStamp;

count = ()((endStamp - startStamp) / (60*1000));

List<String> lst = ArrayList<String>();

( i = 0; i <= count; i++) {

min = startStamp + i * 60 * 1000;

lst.add(uid + "_" + min);

}

parallelBatchMinutePV(lst);

}

ConcurrentHashMap<String, String> parallelBatchMinutePV(List<String> lstKeys){

ConcurrentHashMap<String, String> hashRet = ConcurrentHashMap<String, String>();

parallel = 3;

List<List<String>> lstBatchKeys = ;

(lstKeys.size() < parallel ){

lstBatchKeys = ArrayList<List<String>>(1);

lstBatchKeys.add(lstKeys);

}

{

lstBatchKeys = ArrayList<List<String>>(parallel);

( i = 0; i < parallel; i++ ){

List<String> lst = ArrayList<String>();

lstBatchKeys.add(lst);

}

( i = 0 ; i < lstKeys.size() ; i ++ ){

lstBatchKeys.get(i%parallel).add(lstKeys.get(i));

}

}

List<Future< ConcurrentHashMap<String, String> >> futures = ArrayList<Future< ConcurrentHashMap<String, String> >>(5);

ThreadFactoryBuilder builder = ThreadFactoryBuilder();

builder.setNameFormat("ParallelBatchQuery");

ThreadFactory factory = builder.build();

ThreadPoolExecutor executor = (ThreadPoolExecutor) Executors.newFixedThreadPool(lstBatchKeys.size(), factory);

(List<String> keys : lstBatchKeys){

Callable< ConcurrentHashMap<String, String> > callable = BatchMinutePVCallable(keys);

FutureTask< ConcurrentHashMap<String, String> > future = (FutureTask< ConcurrentHashMap<String, String> >) executor.submit(callable);

futures.add(future);

}

executor.shutdown();

{

stillRunning = !executor.awaitTermination(

5000000, TimeUnit.MILLISECONDS);

(stillRunning) {

{

executor.shutdownNow();

} (Exception e) {

e.printStackTrace();

}

}

} (InterruptedException e) {

{

Thread.currentThread().interrupt();

} (Exception e1) {

e1.printStackTrace();

}

}

(Future f : futures) {

{

(f.get() != )

{

hashRet.putAll((ConcurrentHashMap<String, String>)f.get());

}

} (InterruptedException e) {

{

Thread.currentThread().interrupt();

} (Exception e1) {

e1.printStackTrace();

}

} (ExecutionException e) {

e.printStackTrace();

}

}

hashRet;

}

ConcurrentHashMap<String, String> getBatchMinutePV(List<String> lstKeys){

ConcurrentHashMap<String, String> hashRet = ;

List<Get> lstGet = ArrayList<Get>();

String[] splitValue = ;

(String s : lstKeys) {

splitValue = s.split("_");

uid = Long.parseLong(splitValue[0]);

min = Long.parseLong(splitValue[1]);

[] key = [16];

Bytes.putLong(key, 0, uid);

Bytes.putLong(key, 8, min);

Get g = Get(key);

g.addFamily(fp);

lstGet.add(g);

}

Result[] res = ;

{

res = tableMinutePV[rand.nextInt(tableN)].get(lstGet);

} (IOException e1) {

logger.error("tableMinutePV exception, e=" + e1.getStackTrace());

}

(res != && res.length > 0) {

hashRet = ConcurrentHashMap<String, String>(res.length);

(Result re : res) {

(re != && !re.isEmpty()) {

{

[] key = re.getRow();

[] value = re.getValue(fp, cp);

(key != && value != ) {

hashRet.put(String.valueOf(Bytes.toLong(key,

Bytes.SIZEOF_LONG)), String.valueOf(Bytes

.toLong(value)));

}

} (Exception e2) {

logger.error(e2.getStackTrace());

}

}

}

}

hashRet;

}

}

BatchMinutePVCallable Callable<ConcurrentHashMap<String, String>>{

List<String> keys;

BatchMinutePVCallable(List<String> lstKeys ) {

.keys = lstKeys;

}

ConcurrentHashMap<String, String> call() Exception {

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 BlockcacheHBase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 cache，HBase的blockcache机制，hbase中的缓存的计算与使用。