HBase 调优详细剖析

1. 通用优化

1. NameNode 的元数据备份使用 SSD。

2. 定时备份 NameNode 上的元数据，每小时或者每天备份，如果数据极其重要，可以 5~10 分钟备份一次。备份可以通过定时任务复制元数据目录即可。

3. 为 NameNode 指定多个元数据目录，使用 dfs.name.dir 或者 dfs.namenode.name.dir 指定。一个指定本地磁盘，一个指定网络磁盘。这样可以提供元数据的冗余和健壮性，以免发生故障。

4. 设置 dfs.namenode.name.dir.restore 为 true，允许尝试恢复之前失败的 dfs.namenode.name.dir 目录，在创建 checkpoint 时做此尝试，如果设置了多个磁盘，建议允许。

5. NameNode 节点必须配置为 RAID1（镜像盘）结构。

6. 保持 NameNode 日志目录有足够的空间，这些日志有助于帮助你发现问题。

7. 因为 Hadoop 是 IO 密集型框架，所以尽量提升存储的速度和吞吐量（类似位宽）。

2. Linux 优化

1. 开启文件系统的预读缓存可以提高读取速度$ sudo blockdev --setra 32768 /dev/sda
   

提示：ra 是 readahead 的缩写

2. 关闭进程睡眠池$ sudo sysctl -w vm.swappiness=0
   

3. 调整 ulimit 上限，默认值为比较小的数字$ ulimit -n 查看允许最大进程数$ ulimit -u 查看允许打开最大文件数
   

修改：$ sudo vi /etc/security/limits.conf 修改打开文件数限制

末尾添加：

*                soft    nofile          1024000*                hard    nofile          1024000Hive             -       nofile          1024000hive             -       nproc           1024000 

$ sudo vi /etc/security/limits.d/20-nproc.conf 修改用户打开进程数限制

修改为：

#*          soft    nproc     4096#root       soft    nproc     unlimited*          soft    nproc     40960root       soft    nproc     unlimited

4. 开启集群的时间同步 NTP。

5. 更新系统补丁（提示：更新补丁前，请先测试新版本补丁对集群节点的兼容性）

3. HDFS 优化（hdfs-site.xml）

1. 保证 RPC 调用会有较多的线程数

属性：dfs.namenode.handler.count

解释：该属性是 NameNode 服务默认线程数，的默认值是 10，根据机器的可用内存可以调整为 50~100

属性：dfs.datanode.handler.count

解释：该属性默认值为 10，是 DataNode 的处理线程数，如果 HDFS 客户端程序读写请求比较多，可以调高到 15~20，设置的值越大，内存消耗越多，不要调整的过高，一般业务中，5~10 即可。

2. 副本数的调整

属性：dfs.replication

解释：如果数据量巨大，且不是非常之重要，可以调整为 2~3，如果数据非常之重要，可以调整为 3~5。

3. 文件块大小的调整

属性：dfs.blocksize

解释：块大小定义，该属性应该根据存储的大量的单个文件大小来设置，如果大量的单个文件都小于 100M，建议设置成 64M 块大小，对于大于 100M 或者达到 GB 的这种情况，建议设置成 256M，一般设置范围波动在 64M~256M 之间。

4. MapReduce 优化（mapred-site.xml）

1. Job 任务服务线程数调整

mapreduce.jobtracker.handler.count

该属性是 Job 任务线程数，默认值是 10，根据机器的可用内存可以调整为 50~100

2. Http 服务器工作线程数

属性：mapreduce.tasktracker.http.threads

解释：定义 HTTP 服务器工作线程数，默认值为 40，对于大集群可以调整到 80~100

3. 文件排序合并优化

属性：mapreduce.task.io.sort.factor

解释：文件排序时同时合并的数据流的数量，这也定义了同时打开文件的个数，默认值为 10，如果调高该参数，可以明显减少磁盘 IO，即减少文件读取的次数。

4. 设置任务并发

属性：mapreduce.map.speculative

解释：该属性可以设置任务是否可以并发执行，如果任务多而小，该属性设置为 true 可以明显加快任务执行效率，但是对于延迟非常高的任务，建议改为 false，这就类似于迅雷下载。

5. MR 输出数据的压缩

属性：mapreduce.map.output.compress、mapreduce.output.fileoutputformat.compress

解释：对于大集群而言，建议设置 Map-Reduce 的输出为压缩的数据，而对于小集群，则不需要。

6. 优化 Mapper 和 Reducer 的个数

属性：

mapreduce.tasktracker.map.tasks.maximum

mapreduce.tasktracker.reduce.tasks.maximum

解释：以上两个属性分别为一个单独的 Job 任务可以同时运行的 Map 和 Reduce 的数量。

设置上面两个参数时，需要考虑 CPU 核数、磁盘和内存容量。假设一个 8 核的 CPU，业务内容非常消耗 CPU，那么可以设置 map 数量为 4，如果该业务不是特别消耗 CPU 类型的，那么可以设置 map 数量为 40，reduce 数量为 20。这些参数的值修改完成之后，一定要观察是否有较长等待的任务，如果有的话，可以减少数量以加快任务执行，如果设置一个很大的值，会引起大量的上下文切换，以及内存与磁盘之间的数据交换，这里没有标准的配置数值，需要根据业务和硬件配置以及经验来做出选择。

在同一时刻，不要同时运行太多的 MapReduce，这样会消耗过多的内存，任务会执行的非常缓慢，我们需要根据 CPU 核数，内存容量设置一个 MR 任务并发的最大值，使固定数据量的任务完全加载到内存中，避免频繁的内存和磁盘数据交换，从而降低磁盘 IO，提高性能。

大概估算公式：map = 2 + 2/3cpu_corereduce = 2 + 1/3cpu_core

5. HBase 优化

1. 在 HDFS 的文件中追加内容

HDFS 不是不允许追加内容么？没错，请看背景故事：

属性：dfs.support.append

文件：hdfs-site.xml、hbase-site.xml

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

属性：dfs.datanode.max.transfer.threads

文件：hdfs-site.xml

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

属性：dfs.image.transfer.timeout

文件：hdfs-site.xml

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

属性：

mapreduce.map.output.compress

mapreduce.map.output.compress.codec

文件：mapred-site.xml

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

5. 优化 DataNode 存储

属性：dfs.datanode.failed.volumes.tolerated

文件：hdfs-site.xml

解释：默认为 0，意思是当 DataNode 中有一个磁盘出现故障，则会认为该 DataNode shutdown 了。如果修改为 1，则一个磁盘出现故障时，数据会被复制到其他正常的 DataNode 上，当前的 DataNode 继续工作。

6. 设置 RPC 监听数量

属性：hbase.regionserver.handler.count

文件：hbase-site.xml

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。

7. 优化 HStore 文件大小

属性：hbase.hregion.max.filesize

文件：hbase-site.xml

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。

8. 优化 hbase 客户端缓存

属性：hbase.client.write.buffer

文件：hbase-site.xml

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。

9. 指定 scan.next 扫描 HBase 所获取的行数

属性：hbase.client.scanner.caching

文件：hbase-site.xml

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。

6. 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。

7. JVM 优化

涉及文件：hbase-env.sh

1. 并行 GC

参数：·-XX:+UseParallelGC·

解释：开启并行 GC

2. 同时处理垃圾回收的线程数

参数：-XX:ParallelGCThreads=cpu_core – 1

解释：该属性设置了同时处理垃圾回收的线程数。

3. 禁用手动 GC

参数：-XX:DisableExplicitGC

解释：防止开发人员手动调用 GC

8. Zookeeper 优化

1. 优化 Zookeeper 会话超时时间

参数：zookeeper.session.timeout

文件：hbase-site.xml

解释：In hbase-site.xml, set zookeeper.session.timeout to 30 seconds or less to bound failure detection (20-30 seconds is a good start)。

该值会直接关系到 master 发现服务器宕机的最大周期，默认值为 30 秒，如果该值过小，会在 HBase 在写入大量数据发生而 GC 时，导致 RegionServer 短暂的不可用，从而没有向 ZK 发送心跳包，最终导致认为从节点 shutdown。一般 20 台左右的集群需要配置 5 台 zookeeper。

参考文档：

1. 美团数据平台及数仓建设实践，超十万字总结
   

2. 上百本优质大数据书籍，附必读清单(大数据宝藏)
   

3. 五万字 | 耗时一个月整理出这份Hadoop吐血宝典