HBase优化
一.表设计
1.预分区【Pre-Creating Regions】
默认情况下，在创建HBase表的时候会自动创建一个region分区，当写入数据时，所有的HBase客户端都向这一个region写数据，直到这个region足够大时才进行切分。因此，为了提高批量写入的效率可以预先创建好多个分区【这个要和rowkey的设计紧密关联】，这样当数据写入HBase时会按照region分区的情况，不同rowkey类型的数据写入对应的分区中，写入数据的速度会大大提高，同时也做到了数据的负载均衡。
2.Row Key【行键】
HBase中的rowkey用来检索表中的记录，支持一下三种方式：
1.通过单个rowkey访问，即按照某个rowkey键值进行get操作。
2.通过rowkey的range进行scan，即通过设置startRowKey和endRowKey在这个范围内进行扫描。
3.全表扫描，及直接扫描整张表中所有行记录。
备注：
1.在HBase中rowkey可以是任意字符串，最大长度64KB，实际应用中一般为10~100bytes，存为byte[]字节数组，一般设计成定长的。
2.rowkey是按照字典顺序存储，因此，可以在设计rowkey时充分利用这一点，将经常一起读取的数据存储到一块，将最近可能被访问的数据放在一块。
3.Column Family【列簇】
不要在一张表里定义太多的column family。目前HBase并不能很好的处理超过2~3个column family的表。因为某个column family在flush的时候，它邻近的column family因关联效应被触发flush，最终导致系统产生更多的I/O。
4.In Memory
创建表时，可以通过HColumnDescriptor.setInMemory(true)将表放到RegionServer缓存中，保证在读取的时候被cache命中。
5.Max Version
创建表时，可以通过HColumnDescriptor.setMaxVersions(int maxVersions)设置数据的最大最大版本。
6.Time To Live
创建表时，可以通过HColumnDescriptor.setTimeToLive(int timeToLive)设置表中数据的生命周期，过期数据将自动被删除，例如如果只需要存储最近一天的数据，那么可以设置为HColumnDescriptor.setTimeToLive(1 * 24 * 60 * 60)。
7.Compact & Split
在HBase中，数据在更新时首先写入WAL(HLog)和内存(MemStore)中，MemStore数据是排序的，当MemStore累计到一定阈值时，就会创建一个新的MemSotee，并且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。与此同时系统会在zookeeper中记录一个redo point，表示这个时刻之前的变更已经持久化了(minor compact)。StoreFile是只读的，一旦创建后就不能再修改，因此HBase的更新其实是不断追加的过程，若一个Store中的StoreFile达到一定的阈值后，就会进行一次合并(major compact)，将对同一个Key的修改合并到一起，形成一个大的StoreFile，当StoreFile的大小达到一定阈值时又会对StoreFile进行切分(split)，等分成两个SotreFile。由于对表的更新是不断追加的，处理读请求时，需要访问Store中全部的StoreFile和MemStore，将它们按照row key进行合并，由于StoreFile和MemSrore都是进行过排序的，并且StoreFile带有内存索引，通常合并过程是比较快的。实际应用中，可以考虑必要时手动进行major compact，将同一个row key的修改进行合并形成一个大的StoreFile。同时可以将SoreFile设置大些，减少split的发生。
二.写表
1.创建多个HTable客户端写数据，提高写数据的吞吐量
Configuration conf = HBaseConfiguration.create();
List<HTable> list = new ArrayList<HTable>();
for(int i = 0; i<10; i++){
list.add(new HTable(conf, table_name));
}
2.批量写
调用HTable.put(List<Put>)
3.多线程并发写
在客户端开启多个HTable写线程，每个写线程负责一个HTable对象的flush操作，这样结合定时flush和写buffer(writeBufferSize)，可以既保证在数据量少的时候数据可以在较短时间内被flush，同时又保证在数据量大的时候写buffer一满就及时进行flush。
4.参数优化
4.1.Auto Flush
通过调用HTable.setAutoFlush(false)方法可以将HTable写客户端的自动flush关闭，这样可以批量写数据到HBase，而不是一条数据执行一次更新，只用当put写满客户端缓存时才实际向HBase服务端发起写请求，默认情况下auto flush是开启的。
4.2.Write Buffer
通过调用HTable.setWriteBufferSize(wirteBufferSize)方法可以设置HTable客户端的写buffer大小，如果新设置的buffer小于当前写buffer中的数据大小时，buffer将会被flush到服务器端。其中，writeBufferSize的单位是byte字节数，可以根据实际写入数据量的多少来设置该值。
4.3.WAL Flag
在HBase中，客户端向集群中的RegionServer提交数据时（Put/Delete），首先会写WAL（即HLog，一个RegionServer上所有Region共享一个HLog），只有当WAL写成功后，再接着写MemStore，然后客户端被通知提交数据成功。如果写WAL失败，客户端则会被通知提交失败，这样做的好处是可以做到RegionServer宕机后数据恢复。
三.读表
1.多HTable并发读
同上，与多HTable并发写类似
2.参数优化
2.1Scanner Caching
hbase.client.scanner.caching配置项可以设置HBase Scanner一次从服务端抓取的数据条数，默认一次返回一条数据。通过将其设置成一个合理的值，可以减少scan过程中next()的时间开销，代价是scanner需要通过客户端的内存来维持这些被cache的数据。
有三个地方可以进行配置：
1.HBase的conf配置文件
2.HTable.setScannerCaching(int scannerCaching) 【最优选择】
3.Scan.setCaching(int caching)
2.2 Scan Attribute Selection
scan时指定需要的Column Family，这样可以减少网络传输时的数据量，否则默认scan操作返回整行数据。
2.3 Close ResultScanner
通过scan去完数据后，记得要关闭ResultScanner，否则RegionServer可能会出现问题（对应server资源无法释放）。
3.批量读
HTable.get(List<Get>)
4.多线程并发读
同上
5.缓存查询结果
对于频繁查询HBase的应用场景，可以考虑在应用程序中做缓存。当有新的查询请求时，首先在缓存中查找，如果存在则直接返回，不在查询HBase，否则对HBase发起读请求。
6.Blockcache
HBase上Regionserver的内存分为两部分：Memstore【主要用来写数据】，BlockCache【主要用来读数据】。写请求会先写入Memstore,Regionserver会给每个region提供一个Memstore，当Memstore满64M时，会启动flush刷新到磁盘。读请求会先到Memstore中查数据，查不到就导BlockCache中查，再查不到就会到磁盘上读取数据，并把结果写入BlockCache中。
7.使用HTablePool
try{
Configuration conf = HBaseConfiguration.create();
Connection connection = ConnectionFactory.createConnection(conf);
Table table = connection.getTable(TableName.valueOf(Tablename));
}cache(Exception e){
e.printSchema();
}
