hbase 程序优化 参数调整方法

来源:互联网 时间:1970-01-01


hbase读数据用scan,读数据加速的配置参数为:

Scan scan = new Scan();scan.setCaching(500); // 1 is the default in Scan, which will be bad for MapReduce jobsscan.setCacheBlocks(false); // don't set to true for MR jobs
其中,

public Scan setCacheBlocks(boolean cacheBlocks)//Set whether blocks should be cached for this Scan

 默认值为true, 分内存,缓存和磁盘,三种方式,一般数据的读取为内存->缓存->磁盘;setCacheBlocks不适合MapReduce工作: MR程序为非热点数据,不需要缓存,因为Blockcache is LRU,也就是最近最少访问算法(扔掉最少访问的),那么,前一个请求(比如map读取)读入Blockcache的 所有记录在后一个请求(新的map读取)中都没有用,就必须全部被swap,那么RegionServer要不断的进行无意义的swapping data,也就是无意义的输入和输出BlockCache,增加了无必要的IO。而普通读取时局部查找,或者查找最热数据时,会有提升性能的帮助。

public Scan setCaching(int caching)

//增加缓存读取条数(一次RPC调用返回多行记录),加快scaners读取速度,但耗费内存增加,设太大会响应慢、超时、或者OOM,找到RPC操作的数据和内存占用情况的一个折中,默认使用Configuration setting HConstants.HBASE_CLIENT_SCANNER_CACHING,值为1public void setBatch(int batch) //设置获取记录的列个数,默认无限制,也就是返回所有的列。实际上就是控制一次next()传输多少个columns,如setBatch(5)则每个Result实例返回5个columns,(http://hbase.apache.org/apidocs/org/apache/hadoop/hbase/client/Scan.html)setBatch使用场景为,用客户端的scanner缓存进行批量交互从而提高性能时,非常大的行可能无法放入客户端的内存,这时需要用HBase客户端API中进行batching处理。

通过调整setCaching和setBatch这两个参数,可以观察对RPC交互数量的影响,也就是时间性能的影响:

一个简单的例子,一个表含两个column family,每个column family下10个column,10行数据,比较效果的组合 Caching: 1, Batch: 1, Results: 200, RPCs: 201 Caching: 200, Batch: 1, Results: 200, RPCs: 2 Caching: 5, Batch:100, Results: 10, RPCs: 3 Caching: 5, Batch:20, Results: 10, RPCs: 3 Caching: 10, Batch:10, Results: 20, RPCs: 3计算RPC的次数:将行数result与column数相乘,再除以batch和column数中的较小值,最后除以caching大小。

===================================================

其他的参数优化配置:

参考http://joshuasabrina.iteye.com/blog/1798239

1. Write Buffer Size

HTable htable = new HTable(config, tablename); htable.setWriteBufferSize(10 * 1024 * 1024); htable.setAutoFlush(false); 

2.map中间结果压缩

参考(http://blog.csdn.net/yangbutao/article/details/8474731http://m.blog.csdn.net/blog/u012875880/21874293http://developer.51cto.com/art/201204/331337.htm)老版本中用 conf.setCompressMapOutput(true); conf.setMapOutputCompressorClass(GzipCodec.class);新的设置方法为 conf.setBoolean("mapred.compress.map.output", true); //conf.setClass("mapred.map.output.compression.codec",GzipCodec.class, CompressionCodec.class); 默认使用GzipCodec,可以指定GzipCodec.class,SnappyCodec.class,LzopCodec.class,其中lzo、snappy需要操作系统安装native库才可以支持。数据格式为TextFile,Sequence,以及其他用户自定义的文件格式的文件都可以压缩,不同的场合用不同的压缩算法,bzip2和GZIP是比较消耗CPU的,压缩比最高。但GZIP不能被分块并行处理;Snappy和LZO差不多,稍微胜出一点,cpu消耗的比GZIP少。comparison between compression algorithmsAlgorithm % remaining Encoding DecodingGZIP 13.4% 21 MB/s 118 MB/sLZO 20.5% 135 MB/s 410 MB/sSnappy 22.2% 172 MB/s 409 MB/s

运行时报错处理

1,客户端收到报错
ScannerTimeoutException:org.apache.hadoop.hbase.client.ScannerTimeoutException 这是当从服务器传输数据到客户端的时间,或者客户端处理数据的时间大于了scanner设置的超时时间,scanner超时报错,可在客户端代码中设置超时时间 Configuration conf = HBaseConfiguration.create() conf.setLong(HConstants.HBASE_REGIONSERVER_LEASE_PERIOD_KEY,120000) 但由于scan超时时间是配在Region Server上的,所以此配置无用。修改该值必须在Region Server上修改hbase-site.xml,重启集群。
2,报错org.apache.hadoop.hbase.regionserver.LeaseException: org.apache.hadoop.hbase.regionserver.LeaseException: lease ” does not exist
 首先介绍,租约(Lease)过期或租约不存在,指的是hbase client端每次和regionserver交互时,服务器端会生成一个租约(Lease),其有效期时间由参数hbase.regionserver.lease.period确定。 原理如下: 客户端在regionserver取数据时,如果hbase中存的数据过大且很多region时,客户端请求的region不在内存中,或是没有被cache住,需要从磁盘中加载。而当加载时间超过了hbase.regionserver.lease.period的设置时间,且客户端没有和regionserver报告其还活着,那么regionserver就会认为本次租约已经过期,并从LeaseQueue中删掉本次租约,当regionserver加载完成后,拿已经被删除的租约再去取数据的时候,就会出现如上的错误现象。 解决办法一般是增加租约时间,设置hbase.regionserver.lease.period参数(默认为60000,一分钟) conf.setLong(HConstants.HBASE_REGIONSERVER_LEASE_PERIOD_KEY,120000)。 如果还报错,则可能是hbase.rpc.timeout的问题,增大hbase.regionserver.lease.period的时候应该同时增大hbase.rpc.timeout,同时hbase.rpc.timeout应该等于或大于hbase.regionserver.lease.period conf.setLong("hbase.rpc.timeout", 1200000);



相关阅读:
Top