YCSB测试HBase远程完全分布式集群

写在前面

本文只讲一个很简单的问题，YCSB对HBase集群的测试。虽然网上有很多介绍YCSB测试HBase的文章，但都是针对本地HBase伪分布式集群的。大家都知道，稍微正式一些的压测都会要求测试客户端与目标集群分离部署，而且伪分布式集群通常不会在生产环境下使用，本身也没有太大的压测意义。本文会着重介绍一下压测远程HBase完全分布式集群的不同之处。

正文

YCSB是Yahoo开源的性能测试工具，支持很多种类的NoSQL数据库测试，这里既包括了经典的HBase/Cassandra/MongoDB，也有近两年新推出的Spanner/Kudu等。此外，YCSB最大的特点是其灵活性，对于尚未纳入官方支持的NoSQL数据库，可以快速进行二次开发。如果你正在进行NoSQL数据库选型或者研发一款定制版Nosql数据库，那么YCSB一定是你居家旅行必备良药。

二次开发工作主要是com.yahoo.ycsb.DB的基础上定义自己的接口实现。DB是一个抽象类，定义了NoSQL数据库的5类典型操作，包括insert/update/delete/read/scan。你需要为自己的Nosql实现该上述方法。当然还有一些初始化（init）和收尾工作（cleanup）也要有相应的处理。

HBase是YCSB较早支持的NoSQL数据库，目前在主线版本上支持0.98/1.0/1.2/1.4/2.0几个版本（后两个版本是在2018-03-23增加的）。这些版本的主要差别在于对DB类的不同实现，阅读源码可以发现，在1.0版本后，DB的实现类并没有发生变化，1.2/1.4/2.0三个版本都是直接继承了1.0版，没有重载任何方法。从这点上来说，Ivan认为使用其中哪个版本测试应该都是OK的。

使用YCSB进行HBase完全分布式集群测试，主要是以下几个步骤。

1、搭建HBase分布式集群

Ivan的HBase版本为1.2.6，部署HBase集群具体步骤略去。

2、下载YCSB版本

Ivan选择的是YCSB0.13版本，如果使用master应该也是OK的，前文已经说过，这两个版本中HBase的访问接口是一样的。

wget https://github.com/brianfrankcooper/YCSB/archive/0.13.0-staging.zip

3、编译YCSB

执行进行编译。

mvn clean package

由于YCSB支持了很多NoSQL数据库，所以在编译时依赖的Jar包也比较多。Ivan尝试了几次编译，都由于下载依赖包超时失败，尤其是在cassandra部分。看了下maven的输出信息，超时的部分都是测试相关的。所以调整命令如下

mvn clean package -Dmaven.test.skip=true

编译顺利完成。

4、添加HBase配置

本文的重点来了！！！很多人容易犯晕的地方。

事实上，如果YCSB与HBase伪分布式集群合并部署时，这部分的配置是可以忽略的。YCSB通过上下文全局变量可以直接得到HBase的信息，实现压测。可能这就是网上很多文章并不去介绍配置的原因。

我们还是从YCSB官方文档找答案，在0.94/0.98/1.0三个版本中给出的配置方式完全不同，仔细阅读发现1.0版本实际上是特别针对Google BigTable的配置文件。这由于BigTable提供了对HBase的兼容API，YCSB将其作为一种NoSQL云服务也纳入了进来。但是此处的配置没有参考意义。在1.2版本中，虽然接口代码继承自1.0版本，但readme中明确提到配置文件要参考0.98版本，后续1.4/2.0的readme基本是照抄。

阅读0.98版本的readme，发现其实设置非常简单，我们只需要将HBase集群master节点下的hbase-site.xml文件拷贝到YCSB节点的某个位置，并在稍后的命令中指定即可。
网上有的文章会提到其他配置甚至脚步文件，这里Ivan明确的说，只需要hbase-site.xml，不需要其他文件！！！

Ivan的hbase-site.xml文件内容如下。

<configuration>
<property>
<name>hbase.rootdir</name>
<value>hdfs://master:9000/hbase</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>master,slave1,slave2</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/usr/bigdata/zookeeper-3.4.11/zkData</value>
</property>
</configuration>

事实上，YCSB主要是从中读取zookeeper的节点信息。

Ivan将hbase-site.xml拷贝到/home/ycsb-hbase/conf（也可根据你的环境定义其他路径）目录下

所以相应的，请修改YCSB本地的hosts文件，将机器名与IP的对应关系维护进去。

5、创建目标表

创建usertable表，这个是YCSB测试的前置条件，测试脚本中不会自动创建

create 'usertable','family'

6、执行测试命令

最后一步，只需要在命令行中增加 -cp 参数指定hbase-site.xml的路径即可。
例如以下命令。

1)加载数据

bin/ycsb load hbase10 -P workloads/workloada -cp /home/ycsb-hbase/conf -p table=usertable -p columnfamily=family -threads 100

2)执行scan测试

bin/ycsb run hbase10 -P workloads/workloade -cp /home/ycsb-hbase/conf -p table=usertable -p columnfamily=family -threads 100

打完收工。

最后啰嗦一句，YCSB测试HBase完全分布式集群的主要差异在于配置文件，即hbase-site.xml和修改本地hosts文件，目的是为了连接zookeeper集群。

更多YCSB介绍与测试命令可参考前文 NoSQL性能测试工具YCSB-Running a Workload