HBase如何合理設置客戶端Write Buffer
HBase客戶端API提供了Write Buffer的方式，即批量提交一批Put對象到HBase服務端。
1. 什么時候需要Write Buffer？
默認情況下，一次Put操作即要與Region Server執(zhí)行一次RPC操作，其執(zhí)行過程可以被拆分為以下三個部分：
T1：RTT(Round-Trip Time)，即網(wǎng)絡往返時延，它指從客戶端發(fā)送數(shù)據(jù)開始，到客戶端收到來自服務端的確認，總共經(jīng)歷的時延，不包括數(shù)據(jù)傳輸?shù)臅r間；
T2：數(shù)據(jù)傳輸時間，即Put所操作的數(shù)據(jù)在客戶端與服務端之間傳輸所消耗的時間開銷，當數(shù)據(jù)量大的時候，T2的時間開銷不容忽略；
T3：服務端處理時間，對于Put操作，即寫入WAL日志（如果設置了WAL標識為true）、更新MemStore等。
其中，T2和T3都是不可避免的時間開銷，那么能不能減少T1呢？假設我們將多次Put操作打包起來一次性提交到服務端，則可以將T1部分的總時間從T1 * N降低為T1，其中T1指的是單次RTT時間，N為Put的記錄條數(shù)。
正是出于上述考慮，HBase為用戶提供了客戶端緩存批量提交的方式（即Write Buffer）。假設RTT的時間較長，如1ms，則該種方式能夠顯著提高整個集群的寫入性能。
那么，什么場景下適用于該種模式呢？下面簡單分析一下：
如果Put提交的是小數(shù)據(jù)（如KB級別甚至更小）記錄，那么T2很小，因此，通過該種模式減少T1的開銷，能夠明顯提高寫入性能。
如果Put提交的是大數(shù)據(jù)（如MB級別）記錄，那么T2可能已經(jīng)遠大于T1，此時T1與T2相比可以被忽略，因此，使用該種模式并不能得到很好的性能提升，不建議通過增大Write Buffer大小來使用該種模式。
2. 如何配置使用Write Buffer？
如果要啟動Write Buffer模式，則調(diào)用HTable的以下API將auto flush設置為false：
- void setAutoFlush(boolean autoFlush)
默認配置下，Write Buffer大小為2MB，可以根據(jù)應用實際情況，通過以下任意方式進行自定義：
1） 調(diào)用HTable接口設置，僅對該HTable對象起作用：
- void setWriteBufferSize(long writeBufferSize) throws IOException
2） 在hbase-site.xml中配置，所有HTable都生效（下面設置為5MB）：
- <property>
- <name>hbase.client.write.buffer</name>
- <value>5242880</value>
- </property>
該種模式下向服務端提交的時機分為顯式和隱式兩種情況：
1） 顯式提交：用戶調(diào)用flushCommits()進行提交；
2） 隱式提交：當Write Buffer滿了，客戶端會自動執(zhí)行提交；或者調(diào)用了HTable的close()方法時無條件執(zhí)行提交操作。
3. 如何確定每次flushCommits()時實際的RPC次數(shù)？
客戶端提交后，所有的Put操作可能涉及不同的行，然后客戶端負責將這些Put對象根據(jù)row key按照 region server分組，再按region server打包后提交到region server，每個region server做一次RPC請求。如下圖所示：
4. 如何確定每次flushCommits()時提交的記錄條數(shù)？
下面我們先從HBase存儲原理層面“粗略”分析下HBase中的一條Put記錄格式：
HBase中Put對象的大小主要由若干個KeyValue對的大小決定（Put繼承自org/apache/hadoop/hbase/client/Mutation.java，具體見Mutation的代碼所示），而KeyValue類中自帶的字段占用約50~60 bytes（參考源碼：org/apache/hadoop/hbase/KeyValue.java），那么客戶端Put一行數(shù)據(jù)時，假設column qualifier個數(shù)為N，row key長度為L1 bytes，value總長度為L2 bytes，則該Put對象占用大小可按以下公式預估：
Put Size = ((50~60) + L1) * N + L2) bytes
下面我們通過對HBase的源碼分析來進一步驗證以上理論估算值：
HBase客戶端執(zhí)行put操作后，會調(diào)用put.heapSize()累加當前客戶端buffer中的數(shù)據(jù)，滿足以下條件則調(diào)用flushCommits()將客戶端數(shù)據(jù)提交到服務端：
1）每次put方法調(diào)用時可能傳入的是一個List<Put>，此時每隔DOPUT_WB_CHECK條（默認為10條），檢查當前緩存數(shù)據(jù)是否超過writeBufferSize，超過則強制執(zhí)行刷新；
2）autoFlush被設置為true，此次put方法調(diào)用后執(zhí)行一次刷新；
3）autoFlush被設置為false，但當前緩存數(shù)據(jù)已超過設定的writeBufferSize，則執(zhí)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();
- }
- }
由上述代碼可見，通過put.heapSize()累加客戶端的緩存數(shù)據(jù)，作為判斷的依據(jù)；那么，我們可以編寫一個簡單的程序生成Put對象，調(diào)用其heapSize()方法，就能得到一行數(shù)據(jù)實際占用的客戶端緩存大小（該程序需要傳遞上述三個變量：N，L1，L2作為參數(shù)）：
- 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");
- }
- }
該程序可以用來預估當前設置的write buffer可以一次性批量提交的記錄數(shù)：
- Puts Per Commit = Write Buffer Size / Put Size
更進一步地，如果知道業(yè)務中的每秒產(chǎn)生的數(shù)據(jù)量，就可知道客戶端大概多長時間會隱式調(diào)用flushCommits()向服務端提交一次；同時也可反過來根據(jù)數(shù)據(jù)實時刷新頻率調(diào)整Write Buffer大小。
5. Write Buffer有什么潛在的問題？
首先，Write Buffer存在于客戶端的本地內(nèi)存中，那么當客戶端運行出現(xiàn)問題時，會導致在Write Buffer中未提交的數(shù)據(jù)丟失；由于HBase服務端還未收到這些數(shù)據(jù)，因此也無法通過WAL日志等方式進行數(shù)據(jù)恢復。
其次，Write Buffer方式本身會占用客戶端和HBase服務端的內(nèi)存開銷，具體見下節(jié)的詳細分析。
6. 如何預估Write Buffer占用的內(nèi)存？
客戶端通過Write Buffer方式提交的話，會導致客戶端和服務端均有一定的額外內(nèi)存開銷，Write Buffer Size越大，則占用的內(nèi)存越大。客戶端占用的內(nèi)存開銷可以粗略使用以下公式預估：
- hbase.client.write.buffer * number of HTable object for writing
而對于服務端來說，可以使用以下公式預估占用的Region Server總內(nèi)存開銷：
- hbase.client.write.buffer * hbase.regionserver.handler.count * number of region server
其中，hbase.regionserver.handler.count為每個Region Server上配置的RPC Handler線程數(shù)。
原文鏈接：http://www.cnblogs.com/panfeng412/archive/2012/10/16/how-to-use-hbase-client-write-buffer.html
【編輯推薦】
