hbase 预分区、RowKey设计、内存优化、基础优化

1. 预分区

  每一个region维护着startRow与endRowKey，如果加入的数据符合某个region维护的rowKey范围，则该数据交给这个region维护。那么依照这个原则，将数据所要投放的分区提前大致的规划好，以提高HBase性能
  预估未来半年或者一年数据，计算出分区数量(如100个)；
  确定分区键 000| 001| 002| 003| 004| 005| …

1.1 手动设定预分区

create 'staff1','info',SPLITS => ['1000','2000','3000','4000','5000']

注：
按位比较，和数据长短无关，如

前缀的设置必须合理，否则数据写入一个Region

1.2 生成16进制序列预分区

create 'staff2','info',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

1.3 按照文件中设置的规则预分区

  创建splits.txt文件

aaaa
bbbb
dddd
cccc

执行：

create 'staff3','info',SPLITS_FILE => 'splits.txt'

注：
即使文件中的顺序错乱，依然会自行排序

1.4 使用JavaAPI创建预分区

2. RowKey设计

  一条数据的唯一标识就是rowkey，那么这条数据存储于哪个分区，取决于rowkey处于哪个一个预分区的区间内，设计rowkey的主要目的 ，就是让数据均匀的分布于所有的region中，在一定程度上防止数据倾斜
  唯一性、散列性、长度原则【70到100位】

2.1 生成随机数、hash、散列值

原本rowKey为1001的，SHA1后变成：dd01903921ea24941c26a48f2cec24e0bb0e8cc7
原本rowKey为3001的，SHA1后变成：49042c54de64a1e9bf0b33e00245660ef92dc7bd
原本rowKey为5001的，SHA1后变成：7b61dec07e02c188790670af43e717f0f46e8913
在做此操作之前，一般会选择从数据集中抽取样本，来决定什么样的rowKey来Hash后作为每个分区的临界值。

2.2 字符串反转

20170524000001转成10000042507102
20170524000002转成20000042507102

在一定程度上散列逐步put进来的数据

2.3 字符串拼接

20170524000001_a12e
20170524000001_93i7

  业务场景：电信客服
  需求：查询某个人某年某月某天的通话详情
1.预分区： 000| 001| 002| 003| 004| 005| …
2.散列性： 手机号 +年月 （ Hash值%分区数 得到所属的分区）
3.拼接： 001_手机号_年月日时分秒_其他属性
4.校验：
startRow: 分区_手机号_年月日
stopRow:分区_手机号_年月日|

3. 内存优化

  HBase操作过程中需要大量的内存开销，毕竟Table是可以缓存在内存中的，但是不建议分配非常大的堆内存，因为GC过程持续太久会导致RegionServer处于长期不可用状态，一般16~36G内存就可以了，如果因为框架占用内存过高导致系统内存不足，框架一样会被系统服务拖死

4. 基础优化

1.Zookeeper会话超时时间
hbase-site.xml
  属性：zookeeper.session.timeout
  解释：默认值为90000毫秒（90s）。当某个RegionServer挂掉，90s之后Master才能察觉到。可适当减小此值，以加快Master响应，可调整至60000毫秒

2.设置RPC监听数量
hbase-site.xml
  属性：hbase.regionserver.handler.count
  解释：默认值为30，用于指定RPC监听的数量，可以根据客户端的请求数进行调整，读写请求较多时，增加此值

3.手动控制Major Compaction
hbase-site.xml
  属性：hbase.hregion.majorcompaction
  解释：默认值：604800000秒（7天）， Major Compaction的周期，若关闭自动Major Compaction，可将其设为0

4.优化HStore文件大小
hbase-site.xml
  属性：hbase.hregion.max.filesize
  解释：默认值10737418240（10GB），如果需要运行HBase的MR任务，可以减小此值，因为一个region对应一个map任务，如果单个region过大，会导致map任务执行时间过长。该值的意思就是，如果HFile的大小达到这个数值，则这个region会被切分为两个Hfile

5.优化HBase客户端缓存
hbase-site.xml
  属性：hbase.client.write.buffer
  解释：默认值2097152bytes（2M）用于指定HBase客户端缓存，增大该值可以减少RPC调用次数，但是会消耗更多内存，反之则反之。一般我们需要设定一定的缓存大小，以达到减少RPC次数的目的

6.指定scan.next扫描HBase所获取的行数
hbase-site.xml
  属性：hbase.client.scanner.caching
  解释：用于指定scan.next方法获取的默认行数，值越大，消耗内存越大

7.BlockCache占用RegionServer堆内存的比例
hbase-site.xml
  属性：hfile.block.cache.size
  解释：默认0.4，读请求比较多的情况下，可适当调大

8.MemStore占用RegionServer堆内存的比例
hbase-site.xml
  属性：hbase.regionserver.global.memstore.size
  解释：默认0.4，写请求较多的情况下，可适当调大