hbase.hregion.max.filesize應該設置多少合適

本篇內容主要講解“hbase.hregion.max.filesize應該設置多少合適”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“hbase.hregion.max.filesize應該設置多少合適”吧!

1 hbase.hregion.max.filesize應該設置多少合適
默認值：256M
說明：Maximum HStoreFile size. If any one of a column families' HStoreFiles has grown to exceed this value, the hosting HRegion is split in two.

HStoreFile的最大值。如果任何一個Column Family（或者說HStore）的HStoreFiles的大小超過這個值，那么，其所屬的HRegion就會Split成兩個。

調優：

hbase中hfile的默認最大值(hbase.hregion.max.filesize)是256MB，而google的bigtable論文中對tablet的最大值也推薦為100-200MB，這個大小有什么秘密呢？
　　眾所周知hbase中數據一開始會寫入memstore，當memstore滿64MB以后，會flush到disk上而成為storefile。當storefile數量超過3時，會啟動compaction過程將它們合并為一個storefile。這個過程中會刪除一些timestamp過期的數據，比如update的數據。而當合并后的storefile大小大于hfile默認最大值時，會觸發split動作，將它切分成兩個region。
　　lz進行了持續insert壓力測試，并設置了不同的hbase.hregion.max.filesize，根據結果得到如下結論：值越小，平均吞吐量越大，但吞吐量越不穩定；值越大，平均吞吐量越小，吞吐量不穩定的時間相對更小。

　　為什么會這樣呢？推論如下：

    a 當hbase.hregion.max.filesize比較小時，觸發split的機率更大，而split的時候會將region offline，因此在split結束的時間前，訪問該region的請求將被block住，客戶端自我block的時間默認為1s。當大量的region同時發生split時，系統的整體訪問服務將大受影響。因此容易出現吞吐量及響應時間的不穩定現象
    b 當hbase.hregion.max.filesize比較大時，單個region中觸發split的機率較小，大量region同時觸發split的機率也較小，因此吞吐量較之小hfile尺寸更加穩定些。但是由于長期得不到split，因此同一個region內發生多次compaction的機會增加了。compaction的原理是將原有數據讀一遍并重寫一遍到hdfs上，然后再刪除原有數據。無疑這種行為會降低以io為瓶頸的系統的速度，因此平均吞吐量會受到一些影響而下降。
    綜合以上兩種情況，hbase.hregion.max.filesize不宜過大或過小，256MB或許是一個更理想的經驗參數。對于離線型的應用，調整為128MB會更加合適一些，而在線應用除非對split機制進行改造，否則不應該低于256MB

2 autoflush=false的影響

　　無論是官方還是很多blog都提倡為了提高hbase的寫入速度而在應用代碼中設置autoflush=false，然后lz認為在在線應用中應該謹慎進行該設置。原因如下：

　　a autoflush=false的原理是當客戶端提交delete或put請求時，將該請求在客戶端緩存，直到數據超過2M(hbase.client.write.buffer決定)或用戶執行了hbase.flushcommits()時才向regionserver提交請求。因此即使htable.put()執行返回成功，也并非說明請求真的成功了。假如還沒有達到該緩存而client崩潰，該部分數據將由于未發送到regionserver而丟失。這對于零容忍的在線服務是不可接受的。

　　b autoflush=true雖然會讓寫入速度下降2-3倍，但是對于很多在線應用來說這都是必須打開的，也正是hbase為什么讓它默認值為true的原因。當該值為true時，每次請求都會發往regionserver,而regionserver接收到請求后第一件事就是寫hlog，因此對io的要求是非常高的，為了提高hbase的寫入速度，應該盡可能高地提高io吞吐量，比如增加磁盤、使用raid卡、減少replication因子數等

3 從性能的角度談table中family和qualifier的設置
　　對于傳統關系型數據庫中的一張table，在業務轉換到hbase上建模時，從性能的角度應該如何設置family和qualifier呢？
　　最極端的，①每一列都設置成一個family，②一個表僅有一個family，所有列都是其中的一個qualifier，那么有什么區別呢？

　　從讀的方面考慮：
　　family越多，那么獲取每一個cell數據的優勢越明顯，因為io和網絡都減少了。

　　如果只有一個family，那么每一次讀都會讀取當前rowkey的所有數據，網絡和io上會有一些損失。

　　當然如果要獲取的是固定的幾列數據，那么把這幾列寫到一個family中比分別設置family要更好，因為只需一次請求就能拿回所有數據。

　　從寫的角度考慮：

　　首先，內存方面來說，對于一個Region，會為每一個表的每一個Family分配一個Store，而每一個Store，都會分配一個MemStore，所以更多的family會消耗更多的內存。
　　其次，從flush和compaction方面說，目前版本的hbase，在flush和compaction都是以region為單位的，也就是說當一個family達到flush條件時，該region的所有family所屬的memstore都會flush一次，即使memstore中只有很少的數據也會觸發flush而生成小文件。這樣就增加了compaction發生的機率，而compaction也是以region為單位的，這樣就很容易發生compaction風暴從而降低系統的整體吞吐量。
　　第三，從split方面考慮，由于hfile是以family為單位的，因此對于多個family來說，數據被分散到了更多的hfile中，減小了split發生的機率。這是把雙刃劍。更少的split會導致該region的體積比較大，由于balance是以region的數目而不是大小為單位來進行的，因此可能會導致balance失效。而從好的方面來說，更少的split會讓系統提供更加穩定的在線服務。而壞處我們可以通過在請求的低谷時間進行人工的split和balance來避免掉。
     因此對于寫比較多的系統，如果是離線應該，我們盡量只用一個family好了，但如果是在線應用，那還是應該根據應用的情況合理地分配family。

4 hbase.regionserver.handler.count

 RegionServer端開啟的RPC監聽器實例個數，也即RegionServer能夠處理的IO請求線程數。默認是10.

 此參數與內存息息相關。該值設置的時候，以監控內存為主要參考。

 對于 單次請求內存消耗較高的Big PUT場景（大容量單次PUT或設置了較大cache的scan，均屬于Big PUT）或ReigonServer的內存比較緊張的場景，可以設置的相對較小。

 對于 單次請求內存消耗低，TPS（TransactionPerSecond，每秒事務處理量）要求非常高的場景，可以設置的相對大些。

到此，相信大家對“hbase.hregion.max.filesize應該設置多少合適”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！