大数据之HBase 优化完整使用 (第五章)

大数据之Hbase 优化完整使用

一、高可用
- 1．关闭 Hbase 集群（如果没有开启则跳过此步）
- 2．在 conf 目录下创建 backup-masters 文件
- 3．在 backup-masters 文件中配置高可用 HMaster 节点
- 4．将整个 conf 目录 scp 到其他节点
- 5．打开页面测试查看
二、预分区
- 1．手动设定预分区
- 2．生成 16 进制序列预分区
- 3．按照文件中设置的规则预分区
- 4．使用 JavaAPI 创建预分区
三、RowKey 设计
- 1．生成随机数、hash、散列值
- 2．字符串反转
- 3．字符串拼接
四、内存优化
五、基础优化

容器必学技术网站点我直达

一、高可用

在 Hbase 中 HMaster 负责监控 HRegionServer 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）

[atguigu@hadoop102 hbase]$ bin/stop-hbase.sh

2．在 conf 目录下创建 backup-masters 文件

[atguigu@hadoop102 hbase]$ touch conf/backup-masters

3．在 backup-masters 文件中配置高可用 HMaster 节点

[atguigu@hadoop102 hbase]$ echo hadoop103 > conf/backup-masters

4．将整个 conf 目录 scp 到其他节点

[atguigu@hadoop102 hbase]$ scp -r conf/ hadoop103:/opt/module/hbase/
[atguigu@hadoop102 hbase]$ scp -r conf/ hadoop104:/opt/module/hbase/

5．打开页面测试查看

http://hadooo102:16010

二、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','partition1',SPLITS => 
['1000','2000','3000','4000']

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
cccc
dddd

然后执行：

create 'staff3','partition3',SPLITS_FILE => 'splits.txt'

4．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);

三、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

比如：
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

四、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。

五、基础优化

大数据之HBase 优化 完整使用 (第五章)

大数据系统相关栏目本月热门文章

大数据之HBase 优化完整使用 (第五章)