1.一文掌握HBase核心知识以及面试问题
2.RaftKeeper v2.1.0版本发布，性能大幅提升!
3.[知识讲解篇-189] hbase 参数解析，史上最全（二）
4.HBase最佳实践 – Scan用法大观园
5.如何在windows平台上用Eclipse调试运行HBase

一文掌握HBase核心知识以及面试问题

       HBase核心知识与面试问题解析

       HBase基础与架构

       HBase是用于存储海量结构化与半结构化数据的分布式、面向列的key-value存储系统。它基于Google Bigtable实现，但在底层存储、ios源码 虾米数据处理引擎及协同服务方面有所不同。

       表结构与关键概念

       HBase以表的形式存储数据至HDFS，建表时仅需定义列簇，插入数据时可指定任意多个列至指定列簇。其核心要素包括：行键、列簇、列与时间戳。

       行键(row key)

       行键用于唯一标识一行数据，同时指导数据排序，建议设计时考虑经常一起读取的数据存放在一起。

       列簇(column family)

       表可包含多个列簇，每个列簇内可有多个列，需在建表时定义列簇，但无需明确列。列族的统计与访问控制均在此层级进行。过多列簇会导致更多IO操作与文件寻址时间。

       列(qualifier)

       列以字节数组形式存储，无类型与长度限制，与列簇结合表示具体数据。

       Cell

       Cell由{ row key, column family:qualifier, version}唯一确定，存储单元以字节码形式。

       时间戳(timestamp)

       用于标记数据版本，便于读取最新值，并通过时间戳索引数据。时间戳类型为位整数，传奇dbserver源码可由客户端指定或HBase自动赋值。

       HBase系统架构

       HBase集群包含主节点HMaster、从节点RS及Zookeeper（ZK）。HMaster维护表与region的元数据，RS负责数据存储。

       HMaster

       HMaster是集群的管理节点，负责表与region的元数据管理，不参与数据IO。其容错机制包括主备切换与数据恢复。

       RegionServer（RS）

       RS是集群的工作节点，负责数据存储与region分配。其关键职责包括region分配、负载均衡与容错机制。

       Zookeeper

       ZK作为集群管理与协调服务，RS与HMaster通过ZK进行状态监控与数据同步。

       HBase数据存储

       HBase通过负载均衡将数据分散存储于不同RS，底层基于HDFS实现随机读写。数据通过预写日志（WAL log）和LSM树进行容错与恢复。

       预写日志（WAL log）

       预写日志用于记录数据变更，确保数据一致性。RS按需处理内存中的数据，完成数据持久化。

       LSM树

       LSM树结合预写日志与内存存储，实现高效的数据更新与查询。通过合并小文件优化性能。

       HBase查询机制与优化

       HBase查询主要通过-ROOT-和META表进行寻址。优化方面包括布隆过滤器与协处理器的使用。

       布隆过滤器（Bloom Filter）

       布隆过滤器用于提高查询效率，降低内存和存储负担，适用于特定访问模式。颜色MACD源码

       协处理器

       协处理器提供事件处理与扩展能力，用于实现数据处理与自定义命令。

       数据迁移与备份

       HBase提供多种数据迁移与备份方式，包括distcp、copytable、replication、Export/Import与snapshot。

       distcp与copytable

       distcp与copytable通过MapReduce实现文件与表的同步，但需要停写操作。

       replication

       通过复制WAL日志实现异步数据同步，需开启并注意数据一致性。

       Export/Import

       Export将HBase表转换为序列文件，Import时需先创建目标表。

       snapshot

       通过快照方式实现数据迁移与备份，效率高，推荐使用。

       面试问题解答

       掌握HBase核心知识，包括架构、查询机制、数据存储与迁移备份方法，可有效应对面试中涉及HBase的问题。

       了解更多内容，建议阅读原文《一文掌握HBase核心知识以及面试问题》。

RaftKeeper v2.1.0版本发布，性能大幅提升!

       RaftKeeper，一款高性能分布式共识服务，以其卓越的性能和对Zookeeper的全面兼容性而闻名。在大数据领域，如ClickHouse和HBase，RaftKeeper被广泛应用于解决Zookeeper性能瓶颈问题。人人源码注释相较于Zookeeper，RaftKeeper在大规模应用中的表现更为出色。

       在版本v2.1.0中，一系列创新特性被引入，尤其是引入了异步创建snapshot功能。这一版本的亮点在于显著的性能提升：写请求性能提升%，在读写混合场景中，性能更是大幅度提升了%。本文将深入解析v2.1.0版本的改进和优化细节。

       性能测试结果显示，使用raftkeeper-bench工具，测试环境为三个节点组成的集群，每个节点配置为核CPU、GB内存和GB存储空间。测试对象包括RaftKeeper v2.1.0、RaftKeeper v2.0.4和ZooKeeper 3.7.1，均采用默认配置。

       测试分为两组：第一组纯create操作，结果显示，RaftKeeper v2.1.0相较于v2.0.4性能提升了%，相较于ZooKeeper性能提升了%。第二组请求比例为create-1%、set-8%、get-%、list-%、delete-1%，其中list请求结果包含个子节点，每个子节点大小为字节；get、set、create请求的源码之家病毒节点value大小为字节。结果显示，RaftKeeper v2.1.0相较于v2.0.4性能提升了%，相较于ZooKeeper性能提升了%。

       v2.1.0版本在测试中avgRT和TP指标均优于v2.0.4版本，具体可以参考测试报告。

       接下来，我们将从工程细节的角度，介绍v2.1.0版本的优化点。

       1. 响应并行序列化：RaftKeeper广泛应用于ClickHouse中，测试发现ResponseThread线程消耗大量CPU时间片，其中大约三分之一时间片用于序列化响应。通过将响应的序列化交给IO线程执行，以并发方式提高吞吐量。优化后，TPS增加了%，AvgRT降低了%。

       2. 优化List请求：测试发现List请求处理几乎消耗了request-processor线程的所有CPU时间片。通过优化内存分配和vector插入操作，List请求处理在CPU的占比从5.%下降到3.%，TPS从.8w/s增长到.9w/s，同时TP更低。

       3. 优化无用的系统调用：通过bpftrace对RaftKeeper进行profile，发现大量的getsockname和getsockopt系统调用占用了开销。排查发现是在打印日志时错误进行了调用。优化后，这些系统调用不再存在。

       4. 线程池优化：针对benchmark测试中发现的条件变量等待调用占CPU时间片超过%的情况，通过去掉线程池，单线程处理读请求，TPS提升了%。

       在Snapshot优化方面，v2.1.0支持异步snapshot功能，将创建snapshot的过程分为主线程处理和后台序列化到磁盘，显著降低用户阻塞时间，同时消耗约%的内存。进一步优化DataTree拷贝过程，采用向量化和prefetch，将拷贝时间从4.5s降低到3.5s。

       在Snapshot加载速度优化中，改进了加载流程，采用并行化处理节点存储和父子关系构建，将加载时间从s降低到s，通过锁优化、snapshot格式优化和减少数据拷贝，最终将加载时间降低到s。

       上线效果方面，通过将ClickHouse集群从ZooKeeper升级到RaftKeeper v2.0.4和v2.1.0，QPS分别为w/s和更优的性能，特别是在List请求场景中，v2.1.0展现出显著优势。

[知识讲解篇-] hbase 参数解析，史上最全（二）

       zookeeper.znode.acl.parent

       根节点用于访问控制列表，通常默认即可。

       hbase.zookeeper.peerport

       Zookeeper成员间交互端口，通常默认即可。

       hbase.zookeeper.leaderport

       Zookeeper用于选举主节点的端口，通常默认即可。

       hbase.zookeeper.property.initLimit

       从Zookeeper配置文件zoo.cfg读取的属性，初始同步阶段的时间长度，默认为*tickTime，tickTime为滴答单位。

       hbase.zookeeper.property.syncLimit

       从Zookeeper配置文件zoo.cfg读取的属性，发送请求与获得确认之间的最大时间间隔，默认为5*tickTime。

       hbase.zookeeper.property.dataDir

       Zookeeper数据snapshot存储目录。

       hbase.zookeeper.property.clientPort

       从Zookeeper配置文件zoo.cfg读取的属性，客户端连接端口，通常默认为。

       hbase.zookeeper.property.maxClientCnxns

       从Zookeeper配置文件zoo.cfg读取的属性，单个客户端可连接的zookeeper成员的最大数量，默认为。

       hbase.client.retries.number

       客户端操作的最大重试次数，与重试时间间隔相关，默认为。

       hbase.client.max.total.tasks

       一个HTable实例可以提交给集群的最大并发任务数，默认为。

       hbase.client.max.perserver.tasks

       一个HTable实例给单个region server提交的最大并发任务数，默认为2。

       hbase.client.max.perregion.tasks

       客户端对于单个region维护的最大并发连接数。

       hbase.client.perserver.requests.threshold

       所有客户端线程对单个服务器的最大并发挂起请求数，默认值为，防止慢速region server占用用户线程。

       hbase.client.scanner.caching

       scanner一次从服务端获取的行数，默认为Integer.MAX_VALUE，以充分利用网络而不受具体行数限制，最大值设置可根据需要调整。

       hbase.client.keyvalue.maxsize

       HBase列族的最大值，默认为M。

       hbase.server.keyvalue.maxsize

       单个cell的最大允许大小，包括value和所有key组件，值为0或负数将禁用检查，默认为MB。

       hbase.client.scanner.timeout.period

       客户端scanner租期时间，以毫秒为单位。

       hbase.bulkload.retries.number

       最大重试次数，原子批量加载尝试的迭代次数，默认为。

       hbase.compaction.after.bulkload.enable

       批量加载后立即触发compaction，默认为false。

       hbase.master.balancer.maxRitPercent

       均衡时允许的最大region迁移比例，值默认为1.0，无限制。设置为0.表示最多1%的region在迁移，集群平衡时可用性至少为%。

       hbase.balancer.period

       Master上运行均衡器的周期，以毫秒为单位，默认值为。

       hbase.regions.slop

       当任何regionserver的平均加权值超过平均值加上平均值与slop的乘积时，需要进行均衡，默认值取决于负载均衡器类型。

       hbase.normalizer.period

       Master上运行normalizer的周期，以毫秒为单位，默认值为。

       hbase.normalizer.split.enabled

       在normalization过程中是否启用split，默认为true。

       hbase.normalizer.merge.enabled

       在normalization过程中是否启用merge，默认为true。

       hbase.normalizer.min.region.count

       考虑合并normalization的表中region数量的最小值，默认值为3。

       hbase.normalizer.merge.min_region_age.days

       region被考虑合并的最小天数，默认值为3天。

       hbase.normalizer.merge.min_region_size.mb

       考虑合并的region的最小大小，以完整MB为单位，默认值为1MB。

HBase最佳实践 – Scan用法大观园

       HBase 从用法的角度来讲其实乏陈可善，所有更新插入删除基本一两个 API 就可以搞定。要说稍微有点复杂的话，Scan 的用法可能会多一些说头。扫描用法包括 ScanAPI、TableScanMR 以及 SnapshotScanMR。这三种用法各有特点，适用于不同的应用场景。以下将分别对这三种用法进行解析，并对比它们的原理、效率和最佳实践，以帮助读者更好地理解 Scan 的使用。

       Scan API 是最常见的用法，基于官方 API 文档。Scan 的工作原理涉及到客户端代码中的 ResultScanner 对象，实际操作中，客户端不断调用 next 请求获取数据，这个过程可以分为几个步骤。这种设计模式在大数据量场景下可能会遇到一些挑战，主要体现在效率和异常处理方面。

       ScanAPI 的应用场景通常局限于 OLTP（在线事务处理）场景，对于需要从 HBase 扫描大量数据进行 OLAP（在线分析处理）分析的业务，可以考虑使用 TableScanMR 和 SnapshotScanMR。TableScanMR 是 ScanAPI 的并行化版本，通过将扫描请求分解为多个子扫描，提高了扫描效率。SnapshotScanMR 与 TableScanMR 类似，但采用了客户端直接访问 HDFS 的方式，进一步优化了扫描性能。

       为了确保扫描操作的高效执行，TableScanMR 和 SnapshotScanMR 都提供了一些最佳实践建议，如设置缓存大小、避免不必要的并行操作等。这些实践有助于优化扫描性能，尤其是在处理大数据量时。

       在实际应用中，TableScanMR 和 SnapshotScanMR 都存在一些问题，比如对大 region 的扫描粒度仍然较大，以及在某些情况下生成的 Mapper 较少。为了解决这些问题，需要提供更精细的扫描粒度策略。性能对比显示，SnapshotScanMR 在某些场景下表现出更好的性能，但其当前版本可能仍存在一些不完善之处，需要进一步优化。

       总之，Scan 的使用需要根据实际业务需求选择合适的扫描方法，并结合最佳实践来优化性能。通过理解不同扫描方法的原理和特点，开发者可以更有效地利用 HBase 进行数据查询和分析。

如何在windows平台上用Eclipse调试运行HBase

       ã€€ã€€æ“ä½œæ­¥éª¤å¦‚下：

       ã€€ã€€1.下载和安装cygwin；

       ã€€ã€€2.下载新的Zookeeper包和HBase包，这里ZooKeeper版本为3.3.1，HBase版本为0..4

       ã€€ã€€3.把利用它们的源码包在Eclipse下生成2个独立的Project,注意：zookeeper工程，要把那个conf目录加入到工程的src中去

       ã€€ã€€4.修改zookeeper工程下的conf目录中的zoo.cfg文件，例子如下：

       ã€€ã€€# The number of milliseconds of each tick

       ã€€ã€€tickTime=

       ã€€ã€€# the directory where the snapshot is stored.

       ã€€ã€€dataDir=D:/zookeeper-3.3.1/data

       ã€€ã€€# the port at which the clients will connect

       ã€€ã€€clientPort=

       ã€€ã€€å°±æ˜¯ç»™zookeeper指定文件存放的地方以及端口

       ã€€ã€€5.启动zookeeper

       ã€€ã€€åœ¨Eclipse中新建一个Run config，main class为：org.apache.zookeeper.server.quorum.QuorumPeerMain

       ã€€ã€€å¯åŠ¨çš„程序参数为：D:/workspace/zookeeper3.3.1/conf/zoo.cfg

       ã€€ã€€å¯åŠ¨çš„虚拟机参数为：

       ã€€ã€€-Dzookeeper.log.dir=D:/workspace/zookeeper3.3.1/log

       ã€€ã€€-Dzookeeper.root.logger=INFO,CONSOLE

       ã€€ã€€å¦‚图所示：

       ã€€ã€€å¥½äº†ï¼Œè¿™æ ·å°±å¯ä»¥åœ¨Eclipse中把ZooKeeper启动起来了。

       ã€€ã€€6.修改HBase project中的一个类

       ã€€ã€€org.apache.hadoop.hbase.LocalHBaseCluster

       ã€€ã€€æ‰¾åˆ°å®ƒçš„main函数，把main函数改成下

       ã€€ã€€public static void main(String[] args) throws IOException {

       ã€€ã€€HBaseConfiguration conf = new HBaseConfiguration();

       ã€€ã€€conf.set("hbase.zookeeper.quorum", "localhost");

       ã€€ã€€conf.set("hbase.zookeeper.property.clientPort", "");

       ã€€ã€€LocalHBaseCluster cluster = new LocalHBaseCluster(conf,1);

       ã€€ã€€cluster.startup();

       ã€€ã€€}　　

       ã€€ã€€æ³¨æ„è¡Œï¼šLocalHBaseCluster cluster = new LocalHBaseCluster(conf,1); 构造函数中的1是代表Region server的个数，在这里只想起一个region server.

       ã€€ã€€7.修改HBase的配置文件

       ã€€ã€€åœ¨HBase project下的src中可以看到hbase-default.xml和hbase-site.xml两个文件，改哪个都可以。直接在hbase-default.xml改的，重要的是下面3个属性hbase.rootdir，hbase.cluster.distributed，hbase.tmp.dir，

       ã€€ã€€æŠŠhbase.rootdir，hbase.tmp.dir都指向了本地的目录，当然可以根据自己的需要调整,当然格式一定一样写。

       ã€€ã€€<property>

       ã€€ã€€<name>hbase.rootdir</name>

       ã€€ã€€<value>file:///D:/hbase-0..3/data </value>

       ã€€ã€€<description>The directory shared by region servers.

       ã€€ã€€Should be fully-qualified to include the filesystem to use.

       ã€€ã€€E.g: hdfs://NAMENODE_SERVER:PORT/HBASE_ROOTDIR

       ã€€ã€€</description>

       ã€€ã€€</property>

       ã€€ã€€<property>

       ã€€ã€€<name>hbase.cluster.distributed</name>

       ã€€ã€€<value>false </value>

       ã€€ã€€<description>The mode the cluster will be in. Possible values are

       ã€€ã€€false: standalone and pseudo-distributed setups with managed Zookeeper

       ã€€ã€€true: fully-distributed with unmanaged Zookeeper Quorum (see hbase-env.sh)

       ã€€ã€€</description>

       ã€€ã€€</property>

       ã€€ã€€<property>

       ã€€ã€€<name>hbase.tmp.dir</name>

       ã€€ã€€<value>D:/hbase-0..3/tmp </value>

       ã€€ã€€<description>Temporary directory on the local filesystem.</description>

       ã€€ã€€</property>

       ã€€ã€€<property>　　

       ã€€ã€€8.启动HBase，直接run org.apache.hadoop.hbase.LocalHBaseCluster就可以，run config不需要没有什么别的配置。当然就也可以debug了。