hbase高性能读取数据
来源:互联网 发布:惠普游戏本 知乎 编辑:程序博客网 时间:2024/05/21 10:30
有时需要从Hbase中一次读取大量的数据,同时对实时性有较高的要求。可以从两方面进行考虑: 1、hbase提供的get方法提供了批量获取数据方法,通过组装一个list<Get> gets即可实现; 2、Java多线程的Future方法实现了如何从多线程中获取返回数据。以上两种方法结合后,获取 数据将会更加的高效。阅读到一篇文章,对这两 个方法的结合使用给出了实例,并有详细的性能分析。特意转载过来,供以后的参考学习:HBase 高性能获取数据 - 多线程批量式解决办法如何保证在十亿、百亿数据上面的查询效率? 答:使用分布式搜索引擎数据量过亿,无论是存储在关系型数据库还是非关系型数据库,使用非索引字段进行条件查询、模糊查询等复杂查询都是一件极其缓慢甚至是不可能完成的任务,数据库索引建立的是二级索引,大数据查询主要依靠搜索引擎。根据Solr中国资料显示,在2400亿每条数据大概200字节的数据建立索引,搭建分布式搜索引擎,在50台机器进行搜索测试,其中有条件查询、模糊查询等,其中80%的搜索能够在毫秒内返回结果,剩下一部分能够在20秒内返回,还有5%左右的查询需要在50秒左右的时间完成查询请求,客户端查询请求的并发量为100个客户端。
MySQL单机随机读写能力测试
MySQL(InnoDB)
运行环境
Window Server 2008 x64
存储引擎
InnoDB
最大存储容量
64T
列数
39列
每条数据的大小
Avg=507Byte
总数据量
302,418,176条
占用的磁盘空间
210G
插入效率
总共耗时13个小时,每秒约6500条,随着数据量的增大,插入的效率影响不大
单条数据全表随机读取时间
30ms
百条数据全表随机读取时间
1,783ms;1,672ms
千条数据全表随机读取时间
18,579ms;15,473ms
其他
条件查询、Order By、模糊查询基本上是无法响应的
HBase基本说明与性能测试
HBase
数据库类型
NoSql—列式数据库
运行所需要的环境
Linux
是否可以搭建集群
天然的分布式数据库,具有自动分片功能
可扩展性
强,无缝支持水平拓展
插入
与设置的参数关系很大,批量插入和单条插入差别大,单台机器能够实现1w~3w之间的插入速度
更新
删除
查询
只支持按照rowkey来查询或者全表扫描
范围查询
不支持
模糊匹配
不支持
时间范围查询
不支持
分页查询
可以做到
数据库安全性
低
大数据量下的查询响应时间
各个数据级别下的响应时间: (均为随机读取,不命中缓存)
1、3亿-------------------5ms(单行)
2、3亿-------------------124ms(30行)
大数据量下占用的磁盘空间
各个数据级别下的磁盘占用空间(以出租车表为例,17个字段,一行200个字节):
1、1亿-------------------18G(使用GZ压缩)
是否有良好的技术支持
社区活跃,但是配置复杂,参数繁多,学习代价比较大
数据导入和导出
有从RDBMS导入数据的工具Sqoop
热备份
异步复制
是否需要商业付费
否
是否开源
是
优点
1、 支持高效稳定的大数据存储,上亿行、上百万列、上万个版本,对数据自动分片
2、 列式存储保证了高效的随机读写能力
3、 列数可以动态增长
4、 水平拓展十分容易
5、 拥有良好的生态系统,Sqoop用户数据的导入、Pig可以作为ETL工具,Hadoop作为分布式计算平台
缺点
1、 学习复杂
2、 不支持范围查询、条件查询等查询操作
从上面的测试结果表中可以看出,MySQL单表插入速度为每秒6500条,HBase单台机器能够实现1w~3w之间的插入速度, 这充分说明HBase插入数据的速度比MySQL高很多。在MySQL单机随机读写能力测试中,单条数据全表随机读取时间是指 依据主键去MySQL单表取数据花费的时间;在HBase基本说明与性能测试中,大数据量下查询响应时间是指依照Rowkey到 HBase取数据所花费的时间。30ms对5ms,这说明HBase取数据的速度之快也是MySQL望尘莫及的。 在进行上面的性能测试中,无论是从MySQL通过主键读取,还是从HBase通过Rowkey读取,读取的数据量都不大,不超过1000条。当需要一次性读取万级数据时,需要通过设计优化的代码来保证读取速度。在实现过程中,发现当批量Get的数据量达到一定程度时(如10W),向HBase请求数据会从innerGet发生EOFExeption异常。这里附加上一段从HBase依照多Rowkey获取数据的代码,它采用了性能高的批量Get。在这里,我将这种大批量请求化为每1000个Get的请求,并且采用多线程方式,经过验证,这种方法的效率还是蛮高的。 public Datas getDatasFromHbase(final List<String> rowKeys, final List<String> filterColumn, boolean isContiansRowkeys, boolean isContainsList) { if (rowKeys == null || rowKeys.size() <= 0) { return Datas.getEmptyDatas(); } final int maxRowKeySize = 1000; ExecutorService pool = Executors.newFixedThreadPool(10); int loopSize = rowKeys.size() % maxRowKeySize == 0 ? rowKeys.size() / maxRowKeySize : rowKeys.size() / maxRowKeySize + 1; ArrayList<Future<List<Data>>> results = new ArrayList<Future<List<Data>>>(); for (int loop = 0; loop < loopSize; loop++) { int end = (loop + 1) * maxRowKeySize > rowKeys.size() ? rowKeys .size() : (loop + 1) * maxRowKeySize; List<String> partRowKeys = rowKeys.subList(loop * maxRowKeySize, end); HbaseDataGetter hbaseDataGetter = new HbaseDataGetter(partRowKeys, filterColumn, isContiansRowkeys, isContainsList); Future<List<Data>> result = pool.submit(hbaseDataGetter); results.add(result); } Datas datas = new Datas(); List<Data> dataQueue = new ArrayList<Data>(); try { for (Future<List<Data>> result : results) { List<Data> rd = result.get(); dataQueue.addAll(rd); } datas.setDatas(dataQueue); } catch (InterruptedException | ExecutionException e) { e.printStackTrace(); } finally { pool.shutdown(); } return datas; }class HbaseDataGetter implements Callable<List<Data>> { private List<String> rowKeys; private List<String> filterColumn; private boolean isContiansRowkeys; private boolean isContainsList; public HbaseDataGetter(List<String> rowKeys, List<String> filterColumn, boolean isContiansRowkeys, boolean isContainsList) { this.rowKeys = rowKeys; this.filterColumn = filterColumn; this.isContiansRowkeys = isContiansRowkeys; this.isContainsList = isContainsList; } @Override public List<Data> call() throws Exception { Object[] objects = getDatasFromHbase(rowKeys, filterColumn); List<Data> listData = new ArrayList<Data>(); for (Object object : objects) { Result r = (Result) object; Data data = assembleData(r, filterColumn, isContiansRowkeys, isContainsList); listData.add(data); } return listData; } }private Object[] getDatasFromHbase(List<String> rowKeys, List<String> filterColumn) { createTable(tableName); Object[] objects = null; HTableInterface hTableInterface = createTable(tableName); List<Get> listGets = new ArrayList<Get>(); for (String rk : rowKeys) { Get get = new Get(Bytes.toBytes(rk)); if (filterColumn != null) { for (String column : filterColumn) { get.addColumn(columnFamilyName.getBytes(), column.getBytes()); } } listGets.add(get); } try { objects = hTableInterface.get(listGets); } catch (IOException e1) { e1.printStackTrace(); } finally { try { listGets.clear(); hTableInterface.close(); } catch (IOException e) { e.printStackTrace(); } } return objects; }private HTableInterface createTable(String tableName) { HTableInterface hTableInterface = null; try { hTableInterface = getHConnection().getTable(tableName.getBytes()); } catch (IOException e) { e.printStackTrace(); } return hTableInterface; } 不得不提的是:在实现过程中,我曾将这种大批量请求化为每4000个Get的多线程请求方式,我们的HBase版本为0.94,这样在一次性请求200000条数据时,HBase直接挂机,client抛出EOFException异常,【processBatchCallback(HConnectionManager.java:1708),processBatch(HConnectionManager.java:1560),(HTable.java:779)】,查看并发连接数与每1000个Get请求一样保持为10个左右,没有异常。查阅相关资料后,我们怀疑,这是由于HTable的非线程安全特性导致的,但经过多时纠缠,最终也没得到可靠结论。后来确定这是由于HBase0.94版自身的问题,在使用0.96版后,此问题便不再出现了。而且我们发现0.94版HBase并不稳定,经常有挂掉情况出现。0.96版HBase要好得多。
- hbase高性能读取数据
- hbase高性能读取数据
- HBase 高性能加入数据 - 按批多“粮仓”式解决办法
- HBase 高性能获取数据 - 多线程批量式解决办法
- HBase 高性能获取数据(多线程批量式解决办法) + MySQL和HBase性能测试比较
- HBase读取数据过程
- Hbase读取数据
- HBase读取数据
- 面向高稳定,高性能之-Hbase数据实时同步到ElasticSearch(之一)
- 面向高稳定,高性能之-Hbase数据实时同步到ElasticSearch(之二)
- hbase 下mapreduce 读取hbase中数据
- 使用hive读取hbase数据
- 使用hive读取hbase数据
- 使用hive读取hbase数据
- HBase读取数据的过程
- HBase之BlockCache数据读取
- Spark读取Hbase中的数据
- Spark读取Hbase中的数据
- A Bug's Life (分组 并查集)
- HDU2795 Billboard(线段树单点更新,区间最大值)
- JSP中EL表达式的取值
- Android——JNI加载so两种方式
- java生产消费问题
- hbase高性能读取数据
- c++中this指针的用法
- UE4 简易天空盒制作
- 53-套接字选项(SO_REUSEADDR)
- matlab安装后的启动以及权限问题
- 登录密码案例
- 在action中配置@Result(params={"root","{d,message}"})
- JavaSE 学习参考:反射机制(1)
- Retrofit+rxjava的缓存设置,以及glide的缓存设置