【转载】HBase性能优化方法总结（4）：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：

static final Configuration conf = HBaseConfiguration.create();static final String table_log_name = “user_log”;rTableLog = new HTable[tableN];for (int i = 0; i < tableN; i++) {    rTableLog[i] = new HTable(conf, table_log_name);    rTableLog[i].setScannerCaching(50);}

3.2 HTable参数设置

3.2.1 Scanner Caching

通过调用HTable.setScannerCaching(int scannerCaching)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。通过将此值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。

3.2.2 Scan Attribute Selection

scan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：

public class DataReaderServer {     //获取店铺一天内各分钟PV值的入口函数     public static ConcurrentHashMap<String, String> getUnitMinutePV(long uid, long startStamp, long endStamp){         long min = startStamp;         int count = (int)((endStamp - startStamp) / (60*1000));         List<String> lst = new ArrayList<String>();         for (int i = 0; i <= count; i++) {            min = startStamp + i * 60 * 1000;            lst.add(uid + "_" + min);         }         return parallelBatchMinutePV(lst);     }      //多线程并发查询，获取分钟PV值private static ConcurrentHashMap<String, String> parallelBatchMinutePV(List<String> lstKeys){        ConcurrentHashMap<String, String> hashRet = new ConcurrentHashMap<String, String>();        int parallel = 3;        List<List<String>> lstBatchKeys  = null;        if (lstKeys.size() < parallel ){            lstBatchKeys  = new ArrayList<List<String>>(1);            lstBatchKeys.add(lstKeys);        }        else{            lstBatchKeys  = new ArrayList<List<String>>(parallel);            for(int i = 0; i < parallel; i++  ){                List<String> lst = new ArrayList<String>();                lstBatchKeys.add(lst);            }            for(int i = 0 ; i < lstKeys.size() ; i ++ ){                lstBatchKeys.get(i%parallel).add(lstKeys.get(i));            }        }                List<Future< ConcurrentHashMap<String, String> >> futures = new ArrayList<Future< ConcurrentHashMap<String, String> >>(5);                ThreadFactoryBuilder builder = new ThreadFactoryBuilder();        builder.setNameFormat("ParallelBatchQuery");        ThreadFactory factory = builder.build();        ThreadPoolExecutor executor = (ThreadPoolExecutor) Executors.newFixedThreadPool(lstBatchKeys.size(), factory);                for(List<String> keys : lstBatchKeys){            Callable< ConcurrentHashMap<String, String> > callable = new BatchMinutePVCallable(keys);            FutureTask< ConcurrentHashMap<String, String> > future = (FutureTask< ConcurrentHashMap<String, String> >) executor.submit(callable);            futures.add(future);        }        executor.shutdown();                // Wait for all the tasks to finish        try {          boolean stillRunning = !executor.awaitTermination(              5000000, TimeUnit.MILLISECONDS);          if (stillRunning) {            try {                executor.shutdownNow();            } catch (Exception e) {                // TODO Auto-generated catch block                e.printStackTrace();            }          }        } catch (InterruptedException e) {          try {              Thread.currentThread().interrupt();          } catch (Exception e1) {            // TODO Auto-generated catch block            e1.printStackTrace();          }        }                // Look for any exception        for (Future f : futures) {          try {              if(f.get() != null)              {                  hashRet.putAll((ConcurrentHashMap<String, String>)f.get());              }          } catch (InterruptedException e) {            try {                 Thread.currentThread().interrupt();            } catch (Exception e1) {                // TODO Auto-generated catch block                e1.printStackTrace();            }          } catch (ExecutionException e) {            e.printStackTrace();          }        }                return hashRet;    }     //一个线程批量查询，获取分钟PV值    protected static ConcurrentHashMap<String, String> getBatchMinutePV(List<String> lstKeys){        ConcurrentHashMap<String, String> hashRet = null;        List<Get> lstGet = new ArrayList<Get>();        String[] splitValue = null;        for (String s : lstKeys) {            splitValue = s.split("_");            long uid = Long.parseLong(splitValue[0]);            long min = Long.parseLong(splitValue[1]);            byte[] key = new byte[16];            Bytes.putLong(key, 0, uid);            Bytes.putLong(key, 8, min);            Get g = new Get(key);            g.addFamily(fp);            lstGet.add(g);        }        Result[] res = null;        try {            res = tableMinutePV[rand.nextInt(tableN)].get(lstGet);        } catch (IOException e1) {            logger.error("tableMinutePV exception, e=" + e1.getStackTrace());        }        if (res != null && res.length > 0) {            hashRet = new ConcurrentHashMap<String, String>(res.length);            for (Result re : res) {                if (re != null && !re.isEmpty()) {                    try {                        byte[] key = re.getRow();                        byte[] value = re.getValue(fp, cp);                        if (key != null && value != null) {                            hashRet.put(String.valueOf(Bytes.toLong(key,                                    Bytes.SIZEOF_LONG)), String.valueOf(Bytes                                    .toLong(value)));                        }                    } catch (Exception e2) {                        logger.error(e2.getStackTrace());                    }                }            }        }        return hashRet;    }}//调用接口类，实现Callable接口class BatchMinutePVCallable implements Callable<ConcurrentHashMap<String, String>>{     private List<String> keys;     public BatchMinutePVCallable(List<String> lstKeys ) {         this.keys = lstKeys;     }     public ConcurrentHashMap<String, String> call() throws Exception {         return 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 Blockcache

HBase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。

转载自：http://www.cnblogs.com/panfeng412/archive/2012/03/08/hbase-performance-tuning-section3.html