根据最近生产环境使用的经验，更多的项目的采用，以及采用了更加自动的测试平台，对HBase做了更多的场景的测试，在这篇blog中来分享下纯粹的随机写和随机读的性能数据，同时也分享下我们调整过后的参数。

    测试环境说明：

     1、Region Server： 5台，12块1T SATA盘(7200 RPM)，No Raid，物理内存24G，CPU型号为E5620；

     启动参数为：-Xms16g -Xmx16g -Xmn2g -XX:SurvivorRatio=2 -XX:+UseCMSInitiatingOccupancyOnly -XX:CMSInitiatingOccupancyFraction=85

     2、Data Node：35台，和Region Server同样的硬件配置，启动参数上-Xms2g -Xmx2g，未设置-Xmn；

    服务端参数：

     hbase.replication false

     hbase.balancer.period 1200000

     hfile.block.cache.size 0.4，随机读20%命中场景使用0.01

     hbase.regionserver.global.memstore.upperLimit 0.35

     hbase.hregion.memstore.block.multiplier 8

     hbase.server.thread.wakefrequency 100

     hbase.regionserver.handler.count 300

     hbase.master.distributed.log.splitting false

     hbase.regionserver.hlog.splitlog.writer.threads 3

     hbase.hregion.max.filesize 1073741824

     hbase.hstore.blockingStoreFiles 20

     hbase.hregion.memstore.flush.size 134217728

    客户端参数：

     hbase.client.retries.number 11

     hbase.client.pause 20

     hbase.ipc.client.tcpnodelay true

     ipc.ping.interval 3000

    最终随机写的测试性能结果如下(点开可看大图)：

     从写的测试来看，可以看到，当客户端线程数在250左右时，此时的响应时间在6ms左右，tps在7.5k左右，差不多是比较好的一个状态。

     在随机写的测试中，以及我们的一些项目的测试中，看到的一些现象和问题：

     1、随着单台机器的region数变多了，tps下降的比较明显，team的同事做了一个改进，保障了随着region数的增多，tps基本不会有太多的下降，具体请见同事的这篇blog；

     2、当hbase.regionserver.handler.count为100(默认为10，更正常了)时，压力大的情况下差不多100个线程都会BLOCKED，增加到300后差不多足够了，此时tps也到达瓶颈了；

     3、当datanode数量比较少时，会导致写tps比较低，原因是此时compact会消耗掉太多的网络IO；

     4、当写采用gz压缩时，会造成堆外内存泄露，具体请参见同事的这篇blog；

     5、在压力增大、region数增多的情况下，split和flush会对写的平稳性造成比较大的影响，而通常内存是够用的，因此可以调整split file size和memstore flush size，这个要根据场景来决定是否可调整。

     对写的速度影响比较大的因素主要是：请求次数的分布均衡、是否出现Blocking Update或Delaying flush、HLog数量、DataNode数量、Split File Size。

    随机读的测试性能结果如下(点开可看大图)：

     从读的测试来看，可以看到，读的tps随cache命中率降低会下降的比较厉害，命中率为90%时、客户端线程数为250时，此时的响应时间和tps是比较不错的状况。

     在随机读的测试中，以及我们的一些项目的测试中，看到的一些现象和问题：

     1、随机读的tps随着命中率下降，下降的有点太快，具体原因还在查找和分析中；

     2、当命中率很低时，读bloomfilter的索引信息需要耗费掉比较多的时间，主要原因是bloomfilter的索引信息并没有在cache优先级中占优，这是一个可以改进的点。

     对读的速度影响比较大的因素主要是：请求次数的分布均衡、StoreFile数量、BloomFilter是否打开、Cache大小以及命中率。

建议继续学习：

1. HBase集群出现NotServingRegionException问题的排查及解决方法    (阅读：16227)
2. HFile存储格式    (阅读：14541)
3. hbase运维    (阅读：13679)
4. hbase介绍    (阅读：11035)
5. Mysql的随机读取    (阅读：6881)
6. HBase技术介绍    (阅读：6763)
7. HBase性能优化方法总结    (阅读：5830)
8. HBase二级索引与Join    (阅读：5796)
9. HBase Thrift 接口使用注意事项    (阅读：5413)
10. Cassandra和HBase主要设计思路对比    (阅读：4140)