Hbase - 批量写入加速技巧

背景

之前我们的线上业务一直使用的是Hbase的单条put操作,为了提高程序的写入性能我们还针对业务进行了修改,将日志批量化,也就是hbase的put多条操作,后面发现hbase的客户端是支持本地批量操作,而且还挺多配置的,这次主要针对的是Hbase2.x的版本进行演示说明,1.X不在本文章的范围内,因为线上的Hbase没有这个版本,作为同龄的小伙伴们是知道 大猪佩琪 不会去线上安装这样一个版本来演示。

《Hbase - 批量写入加速技巧》

开始直播

说实话,这样子使用Hbase来写操作其实是最多人的,之前也包括我们在内。
案发现场还原:

《Hbase - 批量写入加速技巧》

但是,这不是你不想加速不想进步的理由,看了 大猪佩琪 这篇文章之后 ,不想进步都难,又多了一个跟我抢饭碗的,看我下面煮的饭:

《Hbase - 批量写入加速技巧》

看到这几句,是不是有种相见恨晚的感觉?不闹了,容 大猪佩琪 慢慢道来:

  1. 这句太难解释,PASS。

  2. 设置自动提交的间隔,如果不设置,那你就要付出代价了,那就是手动:table.flush(),不信?看大猪从Hbase拿出来的源码的默认配置,就在楼下。

  3. 这又是个什么鬼,又臭又长,名还跟第2句差不多一样,既然跟第一句差不多肯定是有联系的嘛,其实就是检查什么时候到Flush的定时器,默认是1秒检查一次,如果加上自身配置上面的配置至少要4秒或者大小为2M才能自动提交一次。

  4. KV单条的最大Size,如果你像 大猪佩琪 上面一样配置为1,信不信分分钟钟让你体会 KeyValue size too large 异常,就是下面的案发现场:

《Hbase - 批量写入加速技巧》 KeyValue size too large 案发现场

不设置就默认为 10M 大小。

  1. 看到情人了,一看就是我们最想要的设置,可以看楼下的doFlush源码,
    有三个地方会调用到这个方法:mutatecloseflush
    只有第一个是会按照writeBufferSize来大小来自动计算,其它两个都是flushAll操作,属于不黄但很暴力的那种。
    《Hbase - 批量写入加速技巧》
  2. 这句跟第1句一样看不懂,肥家。

使用

上面的解析已经完了,相信大家都会用了,还不会的话,请看下图 + 例子:

《Hbase - 批量写入加速技巧》

给你给你

《Hbase - 批量写入加速技巧》

源码

Hbase 2.x 配置
org.apache.hadoop.hbase.client.ConnectionConfiguration 头部默认配置

《Hbase - 批量写入加速技巧》

validatePut 源码

《Hbase - 批量写入加速技巧》

doFlush 源码

《Hbase - 批量写入加速技巧》
《Hbase - 批量写入加速技巧》

点赞