hbase调优
- 一、phoenix调优
- 1.建立索引超时，查询超时
- 2.预分区
- hbase shell预分区
- phoenix预分区
- 3.在创建表的时候指定salting。
- 4.二级索引 建立行键与列值的映射关系
- 二、hbase调优-rowkey的设计
- 1.rowkey唯一原则
- 2.rowkey长度原则
- 3.rowkey散列原则
- 4.热点问题
- 5.常见的避免热点的方法:
- 5.1 加盐
- 5.2 哈希
- 5.3 反转
- 5.4 时间戳"反转"
- 6.其他一些建议
一、phoenix调优
1.建立索引超时，查询超时
修改配置文件，hbase-site.xml
两个位置
/usr/local/soft/phoenix-4.15.0/bin
/usr/local/soft/hbase-1.4.6/conf/ 所有节点
增加配置
<property>
<name>hbase.rpc.timeout</name>
<value>60000000</value>
</property>
<property>
<name>hbase.client.scanner.timeout.period</name>
<value>60000000</value>
</property>
<property>
<name>phoenix.query.timeoutMs</name>
<value>60000000</value>
</property>需要重启hbase
2.预分区
默认情况下，在创建HBase表的时候会自动创建一个region分区，当导入数据的时候，所有的HBase客户端都向这一个region写数据，直到这个region足够大了才进行切分。 一种可以加快批量写入速度的方法是通过预先创建一些空的regions，这样当数据写入 HBase时，会按照region分区情况，在集群内做数据的负载均衡。
如果知道hbase数据表key的分布情况，就可以在建表时就进行region的预分区，这样做的好处就是防止大量数据插入时产生的热点问题，提高数据插入的效率。
**base shell中建分区表，指定分区文件 **
可以通过指定SPLITS_FILE的值指定分区文件,如果分区信息比较少，也可以直接用SPLITS分区。我们可以通过如下命令建一个分区表，指定第一步中生成的分区文件：
create ‘table’, ‘cf’, {SPLITS_FILE => ‘指定分区文件的路径’}
hbase shell预分区
phoenix预分区
CREATE TABLE IF NOT EXISTS STUDENT2 (
id VARCHAR NOT NULL PRIMARY KEY,
name VARCHAR,
age BIGINT,
gender VARCHAR ,
clazz VARCHAR
)split on(‘15001006|’,‘15001007|’,‘15001008|’) ;| ：|的ACSII码比所有字母都大，表示所有比15001006小的都在前面
3.在创建表的时候指定salting。
会在rowkey前面加上一个随机的前缀。
优点：不需要知道rowkey的分步情况
缺点：不能再hbase中对数据进行查询和修改
CREATE TABLE IF NOT EXISTS STUDENT3 (
id VARCHAR NOT NULL PRIMARY KEY,
name VARCHAR,
age BIGINT,
gender VARCHAR ,
clazz VARCHAR
)salt_buckets=6;upsert into STUDENT3 values(‘1500100004’,‘葛德曜’,24,‘男’,‘理科三班’);
upsert into STUDENT3 values(‘1500100005’,‘宣谷芹’,24,‘男’,‘理科六班’);
upsert into STUDENT3 values(‘1500100006’,‘羿彦昌’,24,‘女’,‘理科三班’);
4.二级索引 建立行键与列值的映射关系
全局索引：读多写少， 会单独建立索引表
本地索引：读少写多， 索引数据和原数据保存在同一台机器上
二、hbase调优-rowkey的设计
HBase是三维有序存储的，通过rowkey（行键），column key（column family和qualifier）和TimeStamp（时间戳）这个三个维度可以对HBase中的数据进行快速定位。
HBase中rowkey可以唯一标识一行记录，在HBase查询的时候，有三种方式：
- 通过get方式，指定rowkey获取唯一一条记录
- 通过scan方式，设置startRow和stopRow参数进行范围匹配.
- 全表扫描，即直接扫描整张表中所有行记录
1.rowkey唯一原则
必须在设计上保证其唯一性，不能重复。rowkey是按照字典顺序排序存储的，因此，设计rowkey的时候，要充分利用这个排序的特点，将经常读取的数据存储到一块，将最近可能会被访问的数据放到一块。
2.rowkey长度原则
rowkey是一个二进制码流，可以是任意字符串，最大长度 64kb ，实际应用中一般为10-100bytes，以 byte[] 形式保存，一般设计成定长。
建议越短越好，不要超过100个字节，原因如下：
数据的持久化文件HFile中是按照KeyValue存储的，如果rowkey过长，比如超过100字节，1000w行数据，光rowkey就要占用100*1000w=10亿个字节，将近1G数据，这样会极大影响HFile的存储效率；
MemStore将缓存部分数据到内存，如果rowkey字段过长，内存的有效利用率就会降低，系统不能缓存更多的数据，这样会降低检索效率。
3.rowkey散列原则
如果rowkey按照时间戳的方式递增，不要将时间放在二进制码的前面，建议将rowkey的高位作为散列字段，由程序随机生成，低位放时间字段，这样将提高数据均衡分布在每个RegionServer，以实现负载均衡的几率。如果没有散列字段，首字段直接是时间信息，所有的数据都会集中在一个RegionServer上，这样在数据检索的时候负载会集中在个别的RegionServer上，造成热点问题，会降低查询效率。
4.热点问题
HBase中的行是按照rowkey的字典顺序排序的，这种设计优化了scan操作，可以将相关的行以及会被一起读取的行存取在临近位置，便于scan。然而糟糕的rowkey设计是热点的源头。 热点发生在大量的client直接访问集群的一个或极少数个节点（访问可能是读，写或者其他操作）。大量访问会使热点region所在的单个机器超出自身承受能力，引起性能下降甚至region不可用，这也会影响同一个RegionServer上的其他region，由于主机无法服务其他region的请求。 设计良好的数据访问模式以使集群被充分，均衡的利用。
为了避免写热点，设计rowkey使得不同行在同一个region，但是在更多数据情况下，数据应该被写入集群的多个region，而不是一个。
5.常见的避免热点的方法:
5.1 加盐
这里所说的加盐不是密码学中的加盐，而是在rowkey的前面增加随机数，具体就是给rowkey分配一个随机前缀以使得它和之前的rowkey的开头不同。分配的前缀种类数量应该和你想使用数据分散到不同的region的数量一致。加盐之后的rowkey就会根据随机生成的前缀分散到各个region上，以避免热点。
5.2 哈希
哈希会使同一行永远用一个前缀加盐。哈希也可以使负载分散到整个集群，但是读却是可以预测的。使用确定的哈希可以让客户端重构完整的rowkey，可以使用get操作准确获取某一个行数据。
对rowkey计算hash值，拼接到rowkey前面，过程是可以预测的，当一个值的rowkey过多时，也会造成热点问题。与加盐可以互补使用，加盐是随机的，hasn是固定的。
5.3 反转
第三种防止热点的方法时反转固定长度或者数字格式的rowkey。这样可以使得rowkey中经常改变的部分（最没有意义的部分）放在前面。这样可以有效的随机rowkey，但是牺牲了rowkey的有序性。可以预测的。
反转rowkey的例子以手机号为rowkey，可以将手机号反转后的字符串作为rowkey，这样的就避免了以手机号那样比较固定开头导致热点问题
5.4 时间戳"反转"
rowkey :时间戳_user_id
rowkey是字典升序的，那么越新的数据就会被排在后面，不容易被获取到。需求：让最新的数据排在前面
大数 — 小数
大数：9999999999
1638584124_user_id ==>8361415875_user_id
1638584135_user_id ==>8361415864_user_id
1638584146_user_id ==>8361415853_user_id6.其他一些建议
尽量减少rowkey和列的大小，当具体的值在系统间传输时，它的rowkey，列簇、列名，时间戳也会一起传输。如果你的rowkey、列簇名、列名很大，甚至可以和具体的值相比较，那么将会造成大量的冗余，不利于数据的储存与传输
列族尽可能越短越好，最好是一个字符
列名也尽可能越短越好，冗长的列名虽然可读性好，但是更短的列名存储在HBase中会更好
