hbase占用内存过高_HBase的优化

比如：

原 本 rowKey 为1001的 ， SHA1 后 变 成 ：

dd01903921ea24941c26a48f2cec24e0bb0e8cc7

原 本 rowKey 为3001的 ， SHA1 后 变 成 ：

49042c54de64a1e9bf0b33e00245660ef92dc7bd

原 本 rowKey 为5001的 ， SHA1 后 变 成 ：

7b61dec07e02c188790670af43e717f0f46e8913

在做此操作之前，一般我们会选择从数据集中抽取样本，来决定什么样的 rowKey 来 Hash

后作为每个分区的临界值。

2)字符串反转

#这样可以一定程度上散列put进来的数据

20200524000001 转成 10000042500202

20200524000002 转成 20000042500202

3)字符串拼接

20170524000001_a12e

20170524000001_93i7

4，内存优化

HBase 操作过程中需要大量的内存开销，毕竟 Table 是可以缓存在内存中的，一般会分配整个可用内存的 70%给 HBase 的 Java 堆。但是不建议分配非常大的堆内存，因为 GC 过程持续太久会导致 RegionServer 处于长期不可用状态，一般 16~48G 内存就可以了，如果因为框架占用内存过高导致系统内存不足，框架一样会被系统服务拖死。

5，基础优化

1)允许在HDFS的文件中追加内容

hdfs-site.xml、hbase-site.xml

属性：dfs.support.append

解释：开启 HDFS 追加同步，可以优秀的配合 HBase 的数据同步和持久化。默认值为true。

2)优化DataNode允许的最大文件打开数

hdfs-site.xml

属性：dfs.datanode.max.transfer.threads

解释：HBase 一般都会同一时间操作大量的文件，根据集群的数量和规模以及数据动作，设置为4096 或者更高。默认值：4096

3)优化延迟高的数据操作的等待时间

hdfs-site.xml

属性：dfs.image.transfer.timeout

解释：如果对于某一次数据操作来讲，延迟非常高，socket 需要等待更长的时间，建议把该值设置为更大的值(默认60000 毫秒)，以确保 socket 不会被 timeout 掉。

4)优化数据的写入效率

mapred-site.xml

属性：mapreduce.map.output.compress

mapreduce.map.output.compress.codec

解释：开启这两个数据可以大大提高文件的写入效率，减少写入时间。第一个属性值修改为true，第二个属性值修改为：org.apache.hadoop.io.compress.GzipCodec 或者其他压缩方式。

5)设置RPC监听数量

hbase-site.xml

属性：Hbase.regionserver.handler.count

解释：默认值为30，用于指定 RPC 监听的数量，可以根据客户端的请求数进行调整，读写请求较多时，增加此值。

6)优化HStore文件大小

hbase-site.xml

属性：hbase.hregion.max.filesize

解释：默认值10737418240(10GB)，如果需要运行 HBase 的 MR 任务，可以减小值，因为一个 region 对应一个 map 任务，如果单个 region 过大，会导致 map 任务执行时间过长。该值的意思就是，如果 HFile 的大小达到这个数值，则这个 region 会被切分为两个 Hfile。

7)优化HBase客户端缓存

hbase-site.xml

属性：hbase.client.write.buffer

解释：用于指定 Hbase 客户端缓存，增大该值可以减少 RPC 调用次数，但是会消耗更多内存，反之则反之。一般我们需要设定一定的缓存大小，以达到减少 RPC 次数的目的。

8)指定scan.next扫描HBase所获取的行数

hbase-site.xml

属性：hbase.client.scanner.caching

解释：用于指定 scan.next 方法获取的默认行数，值越大，消耗内存越大。

9)flush、compact、split 机制

当 MemStore 达到阈值，将 Memstore 中的数据 Flush 进 Storefile；compact 机制则是把 flush出来的小文件合并成大的 Storefile 文件。split 则是当 Region 达到阈值，会把过大的 Region。

hbase.hregion.memstore.flush.size：134217728　　#128m

这个参数的作用是当单个 HRegion 内所有的 Memstore 大小总和超过指定值时，flush该 HRegion 的所有 memstore。RegionServer 的 flush 是通过将请求添加一个队列，模拟生产消费模型来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求时，可能会导致内存陡增，最坏的情况是触发 OOM。

hbase.regionserver.global.memstore.upperLimit：0.4hbase.regionserver.global.memstore.lowerLimit：0.38

当 MemStore 使用内存总量达到hbase.regionserver.global.memstore.upperLimit 指定值时，将会有多个 MemStores flush 到文件中，MemStore flush 顺序是按照大小降序执行的，直到刷新到 MemStore 使用内存略小于 lowerLimit

二、Hbase的协处理器

使用HBase查找数据时，尽可能的使用rowKey去精准的定位数据位置，而非使用ColumnValueFilter或者SingleColumnValueFilter，按照单元格Cell中的Value过滤数据，这样做在数据量巨大的情况下，效率是极低的——如果要涉及到全表扫描。所以尽量不要做这样可怕的事情。注意，这并非ColumnValueFilter就无用武之地。现在，我们将使用协处理器，将数据一分为二。

1，编写协处理器类CallWriteObserver，继承BaseRegionObserver重写需要的方法。这里重写postPut方法。2，在创建表的前面对表描述器添加些处理器类名addCoprocessor("className").3，配置完成，上传到linux上打jar包到hbase的lib下，配置conf下的hbase-site.xml文件，同步到其它的linux上。4，在hbase-site.xml配置文件中添加

hbase.coprocessor.region.classes

hbase.CallWriteObserver

5，建议在hbase-site.xml中再加入以下配置，防止协处理器出现错误时导致regionServer挂掉。

hbase.coprocessor.abortonerror

false