HBase如何合理设置客户端Write Buffer

发布时间:2017-2-20 9:43:08 编辑:www.fx114.net 分享查询网我要评论
本篇文章主要介绍了"HBase如何合理设置客户端Write Buffer",主要涉及到HBase如何合理设置客户端Write Buffer方面的内容,对于HBase如何合理设置客户端Write Buffer感兴趣的同学可以参考一下。

HBase客户端API提供了Write Buffer的方式,即批量提交一批Put对象到HBase服务端。本文将结合HBase相关源码,对其进行深入介绍,分析如何在实际项目中合理设置和使用它。 什么时候需要Write Buffer? 默认情况下,一次Put操作即要与Region Server执行一次RPC操作,其执行过程可以被拆分为以下三个部分: T1:RTT(Round-Trip Time),即网络往返时延,它指从客户端发送数据开始,到客户端收到来自服务端的确认,总共经历的时延,不包括数据传输的时间;T2:数据传输时间,即Put所操作的数据在客户端与服务端之间传输所消耗的时间开销,当数据量大的时候,T2的开销不容忽略;T3:服务端处理时间,对于Put操作,即写入WAL日志(如果设置了WAL标识为true)、更新MemStore等。 其中,T2和T3都是不可避免的时间开销,那么能不能减少T1呢?假设我们将多次Put操作打包起来一次性提交到服务端,则可以将T1部分的总时间从T1 * N降低为T1,其中T1为一次RTT时间,N为Put的记录条数。 正是出于上述考虑,HBase为用户提供了客户端缓存批量提交的方式(即Write Buffer)。假设RTT的时间较长,如1ms,则该种方式能够显著提高整个集群的写入性能。 那么,什么场景下适用于该种模式呢?下面简单分析一下: 如果Put提交的是小数据(如KB级别甚至更小)记录,那么T2很小,因此,通过该种模式减少T1的开销,能够明显提高写入性能。如果Put提交的是大数据(如MB级别)记录,那么T2可能已经远大于T1,此时T1与T2相比可以被忽略,因此,使用该种模式并不能得到很好的性能提升,不建议通过增大Write Buffer大小来使用该种模式。 如何配置使用Write Buffer? 如果要启动Write Buffer模式,则调用HTable的以下API将auto flush设置为false: void setAutoFlush(boolean autoFlush) 默认配置下,Write Buffer大小为2MB,可以根据应用实际情况,通过以下任意方式进行自定义: 1)  调用HTable接口设置,仅对该HTable对象起作用: void setWriteBufferSize(long writeBufferSize) throws IOException 2)  在hbase-site.xml中配置,所有HTable都生效(下面设置为5MB): <property> <name>hbase.client.write.buffer</name> <value>5242880</value> </property> 该种模式下向服务端提交的时机分为显式和隐式两种情况: 1)  显式提交:用户调用flushCommits()进行提交; 2)  隐式提交:当Write Buffer满了,客户端会自动执行提交;或者调用了HTable的close()方法时无条件执行提交操作。 如何确定每次flushCommits()时实际的RPC次数? 客户端提交后,所有的Put操作可能涉及不同的行,然后客户端负责将这些Put对象根据row key按照 region server分组,再按region server打包后提交到region server,每个region server做一次RPC请求。如下图所示: 如何确定每次flushCommits()时提交的记录条数? 下面我们先从HBase存储原理层面“粗略”分析下HBase中的一条Put记录格式: HBase中Put对象的大小主要由若干个KeyValue对的大小决定(Put继承自org/apache/hadoop/hbase/client/Mutation.java,具体见Mutation的代码所示),而KeyValue类中自带的字段占用约50~60 bytes(参考源码:org/apache/hadoop/hbase/KeyValue.java),那么客户端Put一行数据时,假设column qualifier个数为N,row key长度为L1 bytes,value总长度为L2 bytes,则该Put对象占用大小可按以下公式预估: Put Size = ((50~60) + L1) * N + L2) bytes 下面我们通过对HBase的源码分析来进一步验证以上理论估算值: HBase客户端执行put操作后,会调用put.heapSize()累加当前客户端buffer中的数据,满足以下条件则调用flushCommits()将客户端数据提交到服务端: 1)每次put方法调用时可能传入的是一个List<Put>,此时每隔DOPUT_WB_CHECK条(默认为10条),检查当前缓存数据是否超过writeBufferSize,超过则强制执行刷新; 2)autoFlush被设置为true,此次put方法调用后执行一次刷新; 3)autoFlush被设置为false,但当前缓存数据已超过设定的writeBufferSize,则执行刷新。          private void doPut(final List<Put> puts) throws IOException {                    int n = 0;                    for (Put put : puts) {                             validatePut(put);                             writeBuffer.add(put);                             currentWriteBufferSize += put.heapSize();                             // we need to periodically see if the writebuffer is full instead                             // of waiting until the end of the List                             n++;                             if (n % DOPUT_WB_CHECK == 0                                                && currentWriteBufferSize > writeBufferSize) {                                      flushCommits();                             }                    }                    if (autoFlush || currentWriteBufferSize > writeBufferSize) {                             flushCommits();                    }          } 由上述代码可见,通过put.heapSize()累加客户端的缓存数据,作为判断的依据;那么,我们可以编写一个简单的程序生成Put对象,调用其heapSize()方法,就能得到一行数据实际占用的客户端缓存大小(该程序需要传递上述三个变量:N,L1,L2作为参数): import org.apache.hadoop.hbase.client.Put; import org.apache.hadoop.hbase.util.Bytes; public class PutHeapSize {          /**           * @param args           */          public static void main(String[] args) {                    if (args.length != 3) {                             System.out.println(“Invalid number of parameters: 3 parameters!”);                             System.exit(1);                    }                    int N = Integer.parseInt(args[0]);                    int L1 = Integer.parseInt(args[1]);                    int L2 = Integer.parseInt(args[2]);                    byte[] rowKey = new byte[L1];                    byte[] value = null;                    Put put = new Put(rowKey);                    for (int i = 0; i < N; i++) {                             put.add(Bytes.toBytes(“cf”), Bytes.toBytes(“c” + i), value);                    }                    System.out.println(“Put Size: ” + (put.heapSize() + L2) + ” bytes”);          } } 该程序可以用来预估当前设置的Write Buffer可以一次性批量提交的记录数: Puts Per Commit = Write Buffer Size / Put Size 更进一步地,如果知道业务中的每秒产生的数据量,就可知道客户端大概多长时间会隐式调用flushCommits()向服务端提交一次,同时也可反过来根据数据实时刷新频率调整Write Buffer大小。 Write Buffer有什么潜在的问题? 首先,Write Buffer存在于客户端的本地内存中,那么当客户端运行出现问题时,会导致在Write Buffer中未提交的数据丢失;由于HBase服务端还未收到这些数据,因此也无法通过WAL日志等方式进行数据恢复。 其次,Write Buffer方式本身会占用客户端和HBase服务端的内存开销,具体见下节的详细分析。 如何预估Write Buffer占用的内存? 客户端通过Write Buffer方式提交的话,会导致客户端和服务端均有一定的额外内存开销,Write Buffer Size越大,则占用的内存越大。客户端占用的内存开销可以粗略地使用以下公式预估: hbase.client.write.buffer * number of HTable object for writing 而对于服务端来说,可以使用以下公式预估占用的Region Server总内存开销: hbase.client.write.buffer * hbase.regionserver.handler.count * number of region server 其中,hbase.regionserver.handler.count为每个Region Server上配置的RPC Handler线程数。

上一篇:Comparator和Comparable在排序中的应用
下一篇:C#中判断字符是否为中文

相关文章

相关评论