Hbase性能测试2, 预分区

上次通过HBASE自带测试工具，对比不同客户端数量及数据量的插入性能， 由于上次测试对表没有预分区，所以补一个预分区测试，对比一下在分区和不分区的情况下，有什么区别。

Hbase的线性扩展得益于多region同时工作，region越多，性能相比肯定越好，请求发到master之后，由master选取相关region server给客户端，之后就是客户端和region server直接通信，Master的工作相比少很多，负载也不会很大，这是HBASE线性扩展的根本。  但是前提是你的rowkey能随机同时随机分发到多台region server,否者HBASE底层提供负载均衡就白搭了。 预先分区的好处在于2个方面， 减少分裂，另外就是负载均衡，因为预先分区了，每个key落入不同的region 自然就负载均衡了。

测试命令：

time hbase org.apache.hadoop.hbase.PerformanceEvaluation --rows=1000000 sequentialWrite 10

预先分区表：

create 'TestTable',{SPLITS_FILE => 'split.txt'}, {NAME => 'info'}

[hdfs@namenode02 ~]$ cat split.txt 
0000000000000000000100000
0000000000000000000150000
0000000000000000000200000
0000000000000000000250000
0000000000000000000300000
0000000000000000000400000
0000000000000000000500000
0000000000000000000600000
0000000000000000000700000
0000000000000000000800000
0000000000000000000900000
0000000000000000001000000
0000000000000000002000000
0000000000000000003000000
0000000000000000004000000
0000000000000000005000000
0000000000000000006000000
0000000000000000007000000
0000000000000000008000000
0000000000000000009000000
0000000000000000010000000

预先分区测试:

                Row count=10000000
        File Input Format Counters 
                Bytes Read=455815
        File Output Format Counters 
                Bytes Written=1331


real    1m24.666s
user    0m21.816s
sys     0m2.465s

无预先分区测试：

                Row count=10000000
        File Input Format Counters 
                Bytes Read=455815
        File Output Format Counters 
                Bytes Written=1385


real    2m22.463s
user    0m20.386s
sys     0m2.168s

从上面数据可以看到，预分区比不分区要快将近1分钟，为了保证测试的准确性，每个测试我基本跑了3次。  

使用任何数据库，不管是DBRMS还是NO-SQL，我们都尽量要避免其软肋，每个数据库都有其实现原理，避开弱点，减少问题出现的概率。