技术头条 - 一个快速在微博传播文章的方式     搜索本站
您现在的位置首页 --> 系统运维 --> HBase如何合理设置客户端Write Buffer

HBase如何合理设置客户端Write Buffer

浏览:2715次  出处信息

   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。

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:16204)
  2. HFile存储格式    (阅读:14521)
  3. hbase运维    (阅读:13669)
  4. hbase介绍    (阅读:11014)
  5. Buffer和cache的区别是什么?    (阅读:6823)
  6. HBase技术介绍    (阅读:6737)
  7. HBase随机写以及随机读性能测试    (阅读:6478)
  8. HBase性能优化方法总结    (阅读:5817)
  9. HBase二级索引与Join    (阅读:5763)
  10. HBase Thrift 接口使用注意事项    (阅读:5391)
QQ技术交流群:445447336,欢迎加入!
扫一扫订阅我的微信号:IT技术博客大学习
© 2009 - 2024 by blogread.cn 微博:@IT技术博客大学习

京ICP备15002552号-1