1 高可用
在 HBase 中 HMaster 负责监控 RegionServer 的生命周期，均衡 RegionServer 的负载，如果 HMaster 挂掉了，那么整个HBase 集群将陷入不健康的状态，并且此时的工作状态并不会维持太久，所以 HBase 支持对 HMaster 的高可用配置
1、关闭 HBase 集群
[djm@hadoop102 hbase]$ bin/stop-hbase.sh
2、在 conf 目录下创建 backup-maters 文件
[djm@hadoop102 hbase]$ touch conf/backup-masters
3、在 backup-masters 文件中配置高可用 HMaster 节点
[djm@hadoop102 hbase]$ echo hadoop103 > conf/backup-masters
4、分发
[djm@hadoop102 hbase]$ xsync conf/backup-masters
2 预分区
每一个 Region 维护着 startRow 与 endRowKey，如果加入的数据符合某个 Region 维护的 rowKey 范围，则该数据交给这个 Region 维护，那么依照这个原则，我们可以将数据所要投放的分区提前大致的规划好，以提高 HBase 性能
1、手动设定预分区
hbase> create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']
2、生成 16 进制序列预分区
create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
3、按照文件中设置的规则预分区
-
创建splits.txt文件内容如下：
aaaa bbbb cccc dddd -
然后执行：
create 'staff3','partition3',SPLITS_FILE => 'splits.txt'
4、使用 JavaAPI 创建预分区
//自定义算法，产生一系列Hash散列值存储在二维数组中
byte[][] splitKeys = 某个散列值函数
//创建HBaseAdmin实例
HBaseAdmin hAdmin = new HBaseAdmin(HBaseConfiguration.create());
//创建HTableDescriptor实例
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
//通过HTableDescriptor实例和散列值二维数组创建带有预分区的HBase表
hAdmin.createTable(tableDesc, splitKeys);
3 RowKey 设计
一条数据的唯一标识就是 RowKey，那么这条数据存储于哪个分区，取决于 RowKey 处于哪个一个预分区的区间内，设计 RowKey 的主要目的 ，就是让数据均匀的分布于所有的 Region 中，在一定程度上防止数据倾斜
- 生成随机数、hash、散列值
- 字符串反转
- 字符串拼接
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，可以减小此值，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 一分为二
涉及属性：
hbase.hregion.memstore.flush.size：134217728
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
hbase.regionserver.global.memstore.upperLimit：0.4
hbase.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
