Hbase逻辑结构

HBase物理存储结构

数据模型

1. Name Space

   命名空间，类似于关系型数据库的 DatabBase 概念，每个命名空间下有多个表。HBase有两个自带的命名空间，分别是 hbase 和 default，hbase 中存放的是 HBase 内置的表，default 表是用户默认使用的命名空间。

2. Region

   类似于关系型数据库的表概念。不同的是，HBase 定义表时只需要声明列族即可，不需要声明具体的列。这意味着，往 HBase 写入数据时，字段可以动态、按需指定。因此，和关系型数据库相比，HBase 能够轻松应对字段变更的场景。

3. Row

   HBase 表中的每行数据都由一个 RowKey 和多个 Column（列）组成，数据是按照 RowKey的字典顺序存储的，并且查询数据时只能根据 RowKey 进行检索，所以 RowKey 的设计十分重要。

4. Column

   HBase 中的每个列都由 Column Family(列族)和 Column Qualifier（列限定符）进行限定，例如 info：name，info：age。建表时，只需指明列族，而列限定符无需预先定义。

5. Time Stamp

   用于标识数据的不同版本（version），每条数据写入时，如果不指定时间戳，系统会自动为其加上该字段，其值为写入 HBase 的时间。

6. Cell

   由{rowkey, column Family：column Qualifier, time Stamp} 唯一确定的单元。cell 中的数据是没有类型的，全部是字节码形式存贮。

HBase基本架构

架构角色

1. Region Server

   Region Server 为 Region 的管理者，其实现类为 HRegionServer，主要作用如下:

   对于数据的操作：get, put, delete；

   对于 Region 的操作：splitRegion、compactRegion。

2. Master

   Master 是所有 Region Server 的管理者，其实现类为 HMaster，主要作用如下：

   对于表的操作：create, delete, alter

   对于 RegionServer的操作：分配 regions到每个RegionServer，监控每个 RegionServer的状态，负载均衡和故障转移。

3. Zookeeper

   HBase 通过 Zookeeper 来做 Master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作。

4. HDFS

   HDFS 为 HBase 提供最终的底层数据存储服务，同时为 HBase 提供高可用的支持。

Hbase详细架构

1. StoreFile

   保存实际数据的物理文件，StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有一个或多个 StoreFile（HFile），数据在每个 StoreFile 中都是有序的。

2. MemStore

   写缓存，由于 HFile 中的数据要求是有序的，所以数据是先存储在 MemStore 中，排好序后，等到达刷写时机才会刷写到 HFile，每次刷写都会形成一个新的 HFile。

3. WAL

   由于数据要经 MemStore 排序后才能刷写到 HFile，但把数据保存在内存中会有很高的概率导致数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件中，然后再写入 MemStore 中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。

写流程

写流程

1. Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。
2. 访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。
3. 与目标 Region Server 进行通讯
4. 将数据顺序写入（追加）到 WAL
5. 将数据写入对应的 MemStore，数据会在 MemStore 进行排序；
6. 向客户端发送 ack；
7. 等达到 MemStore 的刷写时机后，将数据刷写到 HFile。

MemStore Flush

MemStore 刷写时机

1. 当某个 memstroe 的大小达到了 hbase.hregion.memstore.flush.size（默认值 128M）， 其所在 region 的所有 memstore 都会刷写。

   当 memstore 的大小达到了hbase.hregion.memstore.flush.size（默认值128M） ，hbase.hregion.memstore.block.multiplier（默认值4）时，会阻止继续往该 memstore 写数据。

2. .当 region server 中 memstore 的总大小达到java_heapsize*hbase.regionserver.global.memstore.size（默认值0.4），hbase.regionserver.global.memstore.size.lower.limit（默认值0.95），region 会按照其所有 memstore 的大小顺序（由大到小）依次进行刷写。直到 region server中所有 memstore 的总大小减小到上述值以下。

   当 region server 中 memstore 的总大小达到java_heapsize*hbase.regionserver.global.memstore.size（默认值0.4）时，会阻止继续往所有的 memstore 写数据

3. 到达自动刷写的时间，也会触发 memstore flush。自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval（默认 1 小时）

读流程

读流程

1. Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。
2. 访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。
3. 与目标 Region Server 进行通讯；
4. 分别在 Block Cache（读缓存），MemStore 和 Store File（HFile）中查询目标数据，并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本（time stamp）或者不同的类型（Put/Delete）。
5. 将从文件中查询到的数据块（Block，HFile 数据存储单元，默认大小为 64KB）缓存到Block Cache。
6. 将合并后的最终结果返回给客户端。

StoreFile Compaction

由于memstore每次刷写都会生成一个新的HFile，且同一个字段的不同版本（timestamp）和不同类型（Put/Delete）有可能会分布在不同的 HFile 中，因此查询时需要遍历所有的 HFile。为了减少 HFile 的个数，以及清理掉过期和删除的数据，会进行 StoreFile Compaction。

Compaction 分为两种，分别是 Minor Compaction 和 Major Compaction。Minor Compaction会将临近的若干个较小的 HFile 合并成一个较大的 HFile，但不会清理过期和删除的数据。Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大 HFile，并且会清理掉过期

Region Split

默认情况下，每个 Table 起初只有一个 Region，随着数据的不断写入，Region 会自动进行拆分。刚拆分时，两个子 Region 都位于当前的 Region Server，但处于负载均衡的考虑，HMaster 有可能会将某个 Region 转移给其他的 Region Server。

Region Split 时机

1. 当1个region中的某个Store下所有StoreFile的总大小超过hbase.hregion.max.filesize， 该 Region 就会进行拆分（0.94 版本之前）
2. 当 1 个 region 中 的 某 个 Store 下所有 StoreFile 的 总 大 小 超 过 Min(R^2 * "hbase.hregion.memstore.flush.size",hbase.hregion.max.filesize")，该 Region 就会进行拆分，其中 R 为当前 Region Server 中属于该 Table 的个数（0.94 版本之后）

MapReduce

通过 HBase 的相关 JavaAPI，我们可以实现伴随 HBase 操作的 MapReduce 过程，比如使用MapReduce 将数据从本地文件系统导入到 HBase 的表中，比如我们从 HBase 中读取一些原始数据后使用 MapReduce 做数据分析。

官方 HBase-MapReduce

1. 查看HBase的MapReduce任务执行

   bin/hbase mapredcp
   

2. 环境变量的导入

   1. 执行环境变量的导入（临时生效，在命令行执行下述操作）

      $ export HBASE_HOME=/opt/module/hbase
      $ export HADOOP_HOME=/opt/module/hadoop-2.7.2
      $ export HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp`
      

   2. 永久生效：在/etc/profile 配置

      export HBASE_HOME=/opt/module/hbase
      export HADOOP_HOME=/opt/module/hadoop-2.7.2
      

      并在 hadoop-env.sh 中配置：（注意：在 for 循环之后配）

      export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:/opt/module/hbase/lib/*
      

      分发重启

   3. 官方案例

      1. 统计 Student 表中有多少行数据

         /opt/module/hadoop-2.7.2/bin/yarn jar lib/hbase-server-1.3.1.jar rowcounter student
         

      2. 使用 MapReduce 将本地数据导入到 HBase

         在本地创建一个 tsv 格式的文件：fruit.tsv

         1001 Apple Red
         1002 Pear Yellow
         1003 Pineapple Yellow
         

         创建 Hbase 表

          create 'fruit','info'
         

         在 HDFS 中创建 input_fruit 文件夹并上传 fruit.tsv 文件

          /opt/module/hadoop-2.7.2/bin/hdfs dfs -mkdir /input_fruit/
          /opt/module/hadoop-2.7.2/bin/hdfs dfs -put fruit.tsv /input_fruit/
         

         执行 MapReduce 到 HBase 的 fruit 表中

         /opt/module/hadoop-2.7.2/bin/yarn jar lib/hbase-server-1.3.1.jar 
         importtsv \ -Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:color fruit \
         hdfs://hadoop102:9000/input_fruit
         

         使用 scan 命令查看导入后的结果

         scan 'fruit'
         

自定义 HBase - MapperReducer（HDFS读取数据存储到HBase中）

1. Mapper编写

   public class FruitMapper extends Mapper<LongWritable, Text,LongWritable, Text> {
       @Override
       protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
           context.write(key,value);
       }
   }
   

2. Reducer编写

   public class FruitReducer extends TableReducer<LongWritable, Text, NullWritable> {
       @Override
       protected void reduce(LongWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
   
           // 1.遍历 100 Apple   red
           for (Text value: values) {
               String[] fields = value.toString().split("\t");
               Put put = new Put(Bytes.toBytes(fields[0]));
               put.addColumn(Bytes.toBytes("info"),Bytes.toBytes("name"),Bytes.toBytes(fields[1]));
               put.addColumn(Bytes.toBytes("info"),Bytes.toBytes("color"),Bytes.toBytes(fields[2]));
               context.write(NullWritable.get(),put);
           }
       }
   }
   

3. Driver编写

   public class FruitDriver implements Tool {
   
       Configuration configuration = null;
   
       public int run(String[] args) throws Exception {
           // 1.获取Job对象
           Job job = Job.getInstance(configuration);
   
           // 2. 设置驱动类路径
           job.setJarByClass(FruitDriver.class);
   
           // 3.设置Mapper和Mapper输出的KV类型
           job.setMapperClass(FruitMapper.class);
           job.setMapOutputKeyClass(LongWritable.class);
           job.setMapOutputValueClass(Text.class);
   
           // 4.设置Reducer类
           TableMapReduceUtil.initTableReducerJob(args[1], FruitReducer.class,job);
   
           // 5.设置输入参数
           FileInputFormat.setInputPaths(job, new Path(args[0]));
   
           // 6.提交任务
           boolean res = job.waitForCompletion(true);
   
           return res ? 0 : 1;
       }
   
       public void setConf(Configuration configuration) {
           this.configuration = configuration;
       }
   
       public Configuration getConf() {
           return configuration;
       }
   
       public static void main(String[] args) {
           Configuration conf = new Configuration();
           try {
               int run = ToolRunner.run(conf, new FruitDriver(), args);
               System.exit(run);
           } catch (Exception e) {
               e.printStackTrace();
           }
       }
   }
   

4. Package上传Jar包并运行

   yarn jar bigdata_04_hbase-1.0-SNAPSHOT.jar top.damoncai.hbase.c02_customer_hbase_mr.FruitDriver /fruit/fruit.tsv fruit1
   

自定义 HBase - MapperReducer2（HBase读取数据存储到HBase中）

1. Mapper编写

   public class FruitMapper extends TableMapper<ImmutableBytesWritable, Put> {
   
       @Override
       protected void map(ImmutableBytesWritable key, Result value, Context context) throws IOException, InterruptedException {
   
           // key就是rowkey
   
           Put put = new Put(key.get());
   
           for (Cell cell : value.rawCells()) {
               put.add(cell);
           }
   
           context.write(key,put);
       }
   }
   

2. Reducer编写

   public class FruitReducer extends TableReducer<ImmutableBytesWritable, Put, NullWritable> {
       @Override
       protected void reduce(ImmutableBytesWritable key, Iterable<Put> values, Context context) throws IOException, InterruptedException {
   
           // 1.遍历 100 Apple   red
           for (Put put: values) {
               context.write(NullWritable.get(),put);
           }
       }
   }
   

3. Driver编写

   public class FruitDriver implements Tool {
   
       Configuration configuration = null;
   
       public int run(String[] args) throws Exception {
           //得到 Configuration
           Configuration conf = this.getConf();
           //创建 Job 任务
           Job job = Job.getInstance(conf,
                   this.getClass().getSimpleName());
           job.setJarByClass(FruitDriver.class);
           //配置 Job
           Scan scan = new Scan();
           scan.setCacheBlocks(false);
           scan.setCaching(500);
           //设置 Mapper，注意导入的是 mapreduce 包下的，不是 mapred 包下的，后者 是老版本
           TableMapReduceUtil.initTableMapperJob(
                   args[0], //数据源的表名
                   scan, //scan 扫描控制器
                   FruitMapper.class,//设置 Mapper 类
                   ImmutableBytesWritable.class,//设置 Mapper 输出 key 类型
                   Put.class,//设置 Mapper 输出 value 值类型
                   job//设置给哪个 JOB
           );
           //设置 Reducer
           TableMapReduceUtil.initTableReducerJob(args[1],
                   FruitReducer.class, job);
           //设置 Reduce 数量，最少 1 个
           job.setNumReduceTasks(1);
           boolean isSuccess = job.waitForCompletion(true);
           if(!isSuccess){
               throw new IOException("Job running with error");
           }
           return isSuccess ? 0 : 1;
       }
   
       public void setConf(Configuration configuration) {
           this.configuration = configuration;
       }
   
       public Configuration getConf() {
           return configuration;
       }
   
       public static void main(String[] args) {
           Configuration conf = new Configuration();
           try {
               int run = ToolRunner.run(conf, new FruitDriver(), args);
               System.exit(run);
           } catch (Exception e) {
               e.printStackTrace();
           }
       }
   }
   
   

4. Package上传Jar包并运行

   yarn jar bigdata_04_hbase-1.0-SNAPSHOT.jar top.damoncai.hbase.c03_customer_hbase_mr2.FruitDriver fruit1 fruit2
   

HBase MR 本地执行

1. Configuration使用HBase创建

   public static void main(String[] args) {
       //        Configuration conf = new Configuration();
       Configuration conf = HBaseConfiguration.create();
       try {
           int run = ToolRunner.run(conf, new FruitDriver(), args);
           System.exit(run);
       } catch (Exception e) {
           e.printStackTrace();
       }
   }
   

2. 通过源码发现需要加载hbase-site.xm文件

   

3. 在resources文件夹中添加hbase-site.xml文件

HBase与Hive集成

对比

1. Hive

   Hive 的本质其实就相当于将 HDFS 中已经存储的文件在 Mysql 中做了一个双射关系,以方便使用 HQL 去管理查询。

   用于数据分析、清洗(Hive 适用于离线的数据分析和清洗，延迟较高)

   基于 HDFS、MapReduce,Hive 存储的数据依旧在 DataNode 上，编写的 HQL 语句终将是转换为 MapReduce 代码执行

2. HBase

   数据库 - 是一种面向列族存储的非关系型数据库

   用于存储结构化和非结构化的数据，适用于单表非关系型数据的存储，不适合做关联查询，类似 JOIN 等操作。

   基于 HDFS，数据持久化存储的体现形式是 HFile，存放于 DataNode 中，被 ResionServer 以 region 的形式进行管理。

   延迟较低，接入在线业务使用，面对大量的企业数据，HBase 可以直线单表大量数据的存储，同时提供了高效的数据访问速度

HBase与Hive集成使用

HBase 与 Hive 的集成在最新的两个版本中无法兼容。所以需要重新编译

环境

因为我们后续可能会在操作 Hive 的同时对 HBase 也会产生影响，所以 Hive 需要持有操作HBase 的 Jar，那么接下来拷贝 Hive 所依赖的 Jar 包（或者使用软连接的形式）。

[root@ha01 hbase-1.3.1]# export HBASE_HOME=/opt/module/hbase-1.3.1
[root@ha01 hbase-1.3.1]# export HBASE_HOME=/opt/module/hive-3.1.2

ln -s $HBASE_HOME/lib/hbase-common-1.3.1.jar $HIVE_HOME/lib/hbase-common-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-server-1.3.1.jar $HIVE_HOME/lib/hbase-server-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-client-1.3.1.jar $HIVE_HOME/lib/hbase-client-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-protocol-1.3.1.jar $HIVE_HOME/lib/hbase-protocol-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-it-1.3.1.jar $HIVE_HOME/lib/hbase-it-1.3.1.jar
ln -s $HBASE_HOME/lib/htrace-core-3.1.0-incubating.jar $HIVE_HOME/lib/htrace-core-3.1.0-incubating.jar
ln -s $HBASE_HOME/lib/hbase-hadoop2-compat-1.3.1.jar $HIVE_HOME/lib/hbase-hadoop2-compat-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-hadoop-compat-1.3.1.jar $HIVE_HOME/lib/hbase-hadoop-compat-1.3.1.jar

同时在 hive-site.xml 中修改 zookeeper 的属性，如下：

<property> 
	<name>hive.zookeeper.quorum</name>
 	<value>ha01.prdigital.cn,ha02.prdigital.cn,ha03.prdigital.cn</value>
 	<description>The list of ZooKeeper servers to talk to. This is only needed for read/write locks.</description>
</property>
<property>
 	<name>hive.zookeeper.client.port</name>
 	<value>2181</value>
 	<description>The port of ZooKeeper servers to talk to. This is only needed for read/write locks.</description>
</property>

案例一

建立 Hive 表，关联 HBase 表，插入数据到 Hive 表的同时能够影响 HBase 表

1. 在 Hive 中创建表同时关联 HBase

   CREATE TABLE hive_hbase_emp_table(
   empno int,
   ename string,
   job string,
   mgr int,
   hiredate string,
   sal double,
   comm double,
   deptno int)
   STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
   WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:co
   mm,info:deptno")
   TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");
   

   完成之后，可以分别进入 Hive 和 HBase 查看，都生成了对应的表

2. 在 Hive 中创建临时中间表，用于 load 文件中的数据

   CREATE TABLE emp(
   empno int,
   ename string,
   job string,
   mgr int,
   hiredate string,
   sal double,
   comm double,
   deptno int)
   row format delimited fields terminated by '\t';
   

3. 向 Hive 中间表中 load 数据

   load data local inpath '/home/admin/softwares/data/emp.txt' into table emp;
   

4. 通过 insert 命令将中间表中的数据导入到 Hive 关联 Hbase 的那张表中

   insert into table hive_hbase_emp_table select * from emp;
   

5. 查看 Hive 以及关联的 HBase 表中是否已经成功的同步插入了数据

   select * from hive_hbase_emp_table;
   
   scan ‘hbase_emp_table’
   

案例二

在 HBase 中已经存储了某一张表 hbase_emp_table，然后在 Hive 中创建一个外部表来关联 HBase 中的 hbase_emp_table 这张表，使之可以借助 Hive 来分析 HBase 这张表中的数据。

1. 在 Hive 中创建外部表

   CREATE EXTERNAL TABLE relevance_hbase_emp(
   empno int,
   ename string,
   job string,
   mgr int,
   hiredate string,
   sal double,
   comm double,
   deptno int)
   STORED BY 
   'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
   WITH SERDEPROPERTIES ("hbase.columns.mapping" = 
   ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:co
   mm,info:deptno")
   TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");
   

2. 关联后就可以使用 Hive 函数进行一些分析操作了

   hive (default)> select * from relevance_hbase_emp;
   

HBase高可用

1. 关闭HBase

   bin/stop-hbase.sh
   

2. 在conf目录下创建backup-masters文件

   touch conf/backup-masters
   
   ha01.prdigital.cn
   ha02.prdigital.cn
   ha03.prdigital.cn
   

3. 将整个conf目录scp到其他节点

   xsync ../conf/
   

4. 分别打开ha01,ha02,ha03 Web界面

   http://ha01.prdigital.cn:16010/master-status

   http://ha02.prdigital.cn:16010/master-status

   http://ha03.prdigital.cn:16010/master-status

   

预分区

每一个 region 维护着 StartRow 与 EndRow，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，我们可以将数据所要投放的分区提前大致的规划好，以提高 HBase 性能。

1. 手动设定预分区

   create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']
   

2. 生成 16 进制序列预分区

   create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
   

3. 按照文件中设置的规则预分区

   创建 splits.txt 文件内容如下：

   aaaa
   bbbb
   cccc
   dddd
   

   然后执行：

   create 'staff3','partition3',SPLITS_FILE => 'splits.txt'
   

4. 使用 JavaAPI 创建预分区

   //自定义算法，产生一系列 hash 散列值存储在二维数组中
   byte[][] splitKeys = 某个散列值函数
   //创建 HbaseAdmin 实例
   HBaseAdmin hAdmin = new HBaseAdmin(HbaseConfiguration.create());
   //创建 HTableDescriptor 实例
   HTableDescriptor tableDesc = new HTableDescriptor(tableName);
   //通过 HTableDescriptor 实例和散列值二维数组创建带有预分区的 Hbase 表
   hAdmin.createTable(tableDesc, splitKeys);
   

预分区的设置往往由服务器数量和数据量大小决定

1. 一台服务器一般 2~3个预分区
2. 数据量最好每个分区不超过10G,因为超过会自动拆分

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。接下来我们就谈一谈 RowKey 常用的设计方案。

需要结合自身业务无设计

优化

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，一般会分配整个可用内存的 70%给 HBase 的 Java 堆。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 16~48G 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。

基础优化

1. 允许在 HDFS 的文件中追加内容

   hdfs-site.xml、hbase-site.xml

   属性：dfs.support.append
   解释：开启 HDFS 追加同步，可以优秀的配合 HBase 的数据同步和持久化。默认值为 true。
   

2. 优化 DataNode 允许的最大文件打开数

   hdfs-site.xml

   属性：dfs.datanode.max.transfer.threads
   解释：HBase 一般都会同一时间操作大量的文件，根据集群的数量和规模以及数据动作，设置为 4096 或者更高。默认值：4096
   

3. 优化延迟高的数据操作的等待时间

   hdfs-site.xml

   属性：dfs.image.transfer.timeout
   解释：如果对于某一次数据操作来讲，延迟非常高，socket 需要等待更长的时间，建议把该值设置为更大的值（默认 60000 毫秒），以确保 socket 不会被 timeout 掉。
   

4. 优化数据的写入效率

   mapred-site.xml

   属性：mapreduce.map.output.compress
   	 mapreduce.map.output.compress.codec
   解释：开启这两个数据可以大大提高文件的写入效率，减少写入时间。第一个属性值修改为true，第二个属性值修改为：org.apache.hadoop.io.compress.GzipCodec 或者其他压缩方式
   

5. 优化 HStore 文件大小

   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。
   

6. 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。
   

7. 优化 HBase 客户端缓存

   hbase-site.xml

   属性：hbase.client.write.buffer
   解释：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。
   

8. 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。
   

9. flush、compact、split 机制

   当 MemStore 达到阈值，将 Memstore 中的数据 Flush 进 Storefile；compact 机制则是把 flush出来的小文件合并成大的 Storefile 文件。split 则是当 Region 达到阈值，会把过大的 Region一分为二。

   涉及属性：

   即：128M 就是 Memstore 的默认阈值

   hbase.hregion.memstore.flush.size：134217728
   

   即：这个参数的作用是当单个 HRegion 内所有的 Memstore 大小总和超过指定值时，flush该 HRegion 的所有 memstore。RegionServer 的 flush 是通过将请求添加一个队列，模拟生产消费模型来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求时，可能会导致内存陡增，最坏的情况是触发 OOM。

   hbase.regionserver.global.memstore.upperLimit：0.4
   hbase.regionserver.global.memstore.lowerLimit：0.38
   

   
   即：当 MemStore 使用内存总量达到hbase.regionserver.global.memstore.upperLimit 指定值时，将会有多个 MemStores flush 到文件中，MemStore flush 顺序是按照大小降序执行的，直到刷新到 MemStore 使用内存略小于 lowerLimit