Hbase­优化方案

1、预分区设计

    真正存储数据的是region要维护一个区间段的rowkey      startRow~endRowkey

    -》手动设置预分区
    create 'user_p','info','partition',SPLITS => ['101','102','103','104']
    存在-∞ +∞
    第一个分区 -∞ ~ 101
    第二个分区 101~102
    第三个分区 102~103
    第四个分区 103~104
    第五个分区 104 ~ +∞

    -》生成16进制序列预分区
    create 'user_p2','info','partition',{NUMREGIONS => 15,SPLITALGO => 'HexStringSplit'}

    -》按照文件中设置的规则设置预分区
    create 'user_p4','partition',SPLITS_FILE => 'splits.txt'

附：splits.txt

a1
b2
c3
d4

2、rowkey设计

    一条数据的唯一标识是rowkey,此rowkey存储在哪个分区取决于属于哪个预分区内。
    为什么要设计rowkey?数据倾斜
    为了防止出现数据倾斜
    （1）生成随机数/hash/散列值
    例如：rowkey是101 变成：dd21231dqwdqd123131d112131
    102 变成：wqdqdq212131dqdwqwdqdw1d21

    （2）字符串反转
    2018120800011 1100080218102
    2018120800012 2100080218102

    （3）字符串拼接
    2018120800011_a12e
    2018120800012_odd12c
    101~105 105~100000

3、HBase优化

    （1）内存优化
    一般分配70%内存给Hbase的java堆
    不建议分配非常大的堆内存
    一般设置为 16~48G内存即可
    设置：export HADOOP_PORTMAP_OPTS="-Xmx512m $HADOOP_PORTMAP_OPTS"
    注意：etc/hadoop下 hadoop-env.sh

    （2）基础优化
    -》优化DataNode
    最大文件打开数
    hdfs-site.xml
    属性：dfs.datanode.max.transfer.threads
    默认值：4096 设置大于4096

    -》优化延迟高的数据操作等待时间
    hdfs-site.xml
    属性：dfs.image.transfer.timeout
    默认：60000毫秒
    调大

    -》数据写入效率
    压缩
    属性：mapreduce.map.output.compress
    值：org.apache.hadoop.io.compress.GzipCodec

    -》优化Hstore的文件大小
    属性：hbase.hregion.max.filesize
    默认值：10GB
    调小