HBase性能优化 Java Api

1. 使用“连接池”

如果每次和Hbase交互时都去新建连接的话，显然是低效率的，HBase也提供类连接池相关的API。

1.1. HTablePool

早期的API中使用它，但很不幸，现在它已经过时了。在次不再描述。

1.2. HConnection

取代HTablePool的就是现在的HConnection，可以通过它拿到几乎所有关于HBase的相关操作对象。

private static HConnection connection = null;
private static Configuration conf =null;

static{
    try {
        conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.property.clientPort", "2181");
        conf.set("hbase.zookeeper.quorum", "Hadoop-master01,Hadoop-slave01,Hadoop-slave02");

        connection = HConnectionManager.createConnection(getHBaseConfiguration());
    } catch (ZooKeeperConnectionException e) {
        e.printStackTrace();
    }
}

2. 读 优化

2.1. 根据rowkey

如果本操作中只有一个rowkey的话，大可以使用下边的方式（单个读）：

byte[] rowkey = new byte[]{......};
Get get = new Get(rowkey);
Result result = destTable.get(get);

若有多个rowkey的话，可以使用如下方式（批量读）：

List<byte[]> rowList = new ArrayList<byte[]>();
List<Get> gets = new ArrayList<Get>();
for(byte[] row:rowList){
　　gets.add(new Get(row:));
}
Result[] results = destTable.get(gets);

2.2. 使用Scan

Scan scan = new Scan();
ResultScanner resultScanner = srcTable.getScanner(scan);

可以通过设置hbase.client.scanner.caching参数来设置resultScanner从服务器一次抓取的数据条数。默认是一次一条，这样可以大大的增加结果集游标移动的效率（resultScanner.next()）。

设置这个参数的方法有三个：

• HBase的conf配置文件hdfs-site.xml里可以配置
• 表的对象：hTable.setScannerCaching(10000);
• 扫面器对象：scan.setCaching(10000);

另外，还可以通过：

scan.addColumn(Bytes.toBytes("sm"), Bytes.toBytes("ip"));

设置扫描的列，减少不必要的网络流量，提升读表效率。

3. 写 优化

写数据的操作中每条提交一个put，其中包含了rowkey，还有对于的一列或多列值。

3.1. 写入单条数据

byte[] row = Bytes.toBytes(...);
Put put = new Put(row);
put.add(Bytes.toBytes(...), Bytes.toBytes(...), Bytes.toBytes(...));
        
table.put(put);
table.flushCommits();

其中，table.put(put)是把数据提交到HDFS里，执行了table.flushCommits()之后，将会把数据提交到HBase中。

3.2. 写入多条数据

在写入多条数据时，就会涉及到数据提交和缓存的问题，具体如下：

• 客户端维护缓存

使用HTable.setAutoFlush(true)设置客户端写入数据时自动维护缓存，当数据达到缓存上限时自动提交数据，这个参数默认是开启的。设置客户端自行维护缓存时，可更具需求来设置缓存的大小，HTable.setWriteBufferSize(writeBufferSize)。

但是在实际开发中，并不提倡这种方法。原因是每次table.put(put)去连接hdfs的时间开销是频繁的，不适合大吞吐量的批量写入。

• 手动维护缓存

可以把要写入的数据先放入本地内存中，然后使用table.put(List<Put>)来提交数据。这样来减少客户端和集群的交互次数，提高传输的吞吐量。

List<Put> puts = new ArrayList<Put>();
for(int i=0; i<100000; i++){
    byte[] rowkey = Bytes.toBytes(RandomStringUtils.random(8,"ABCDESSSSS"));
    byte[] value = Bytes.toBytes(RandomStringUtils.random(10,"IOJKJHHJNNBGHIKKLM<NH"));
    Put put = new Put(rowkey);
    put.add(Bytes.toBytes(FAMILY_CF), Bytes.toBytes("value"), value);
    puts.add(put);
    if(i%10000==0){
        table.put(puts);
        table.flushCommits();
        puts.clear();
    }
}

3.3. 自增列

destTable.incrementColumnValue(rowkey, Bytes.toBytes(FAMILY_CF), Bytes.toBytes("testIncrement"),Long.parseLong("1") ,true);

往testIncrement列自增1.在批处理系统中，这种使用方法需要慎用，它每次执行都会提交数据，不能实现这一列的批量提交。