海量数据下HBase的读性能

这段时间刚做完一个hbase项目，存储千亿规模的数据，12台dell，5小时完成扫库。
这里主要是对hbase的数据本地化机制作了优化，本文不对细节作描述。
在后期使用的过程中，使用方发现hbase的随机读性能出现了较大的下降，经常出现单个 GET请求花费3-5秒的现象。这个事情困扰了我很久，因为从我的实验环境上是不可复现的。

实验环境和线上环境的主要区别是数据量和写压力：
实验环境百亿规模的数据，线上是千亿
实验环境基本上没有写压力，而线上随时有较大的写压力。

关于原因做了很多猜测，但是后来都被实验否定了，比如以为hdfs的性能不够，以为Meta Region的性能问题等等。
经过一段时间的跟踪，终于发现问题出现在Bloom Filter上，hbase的bloom filter是惰性加载的，在写压力比较大的情况下，会有不停的compact并产生storefile，那么新的storefile是不会马上将bloom filter加载到内存的，等到读请求来的时候才加载。
这样问题就来了，第一，我们的storefile设置的比较大，max size为2G，这会导致bloom filter也比较大；第二，系统的读写压力都比较大。两个因素加起来，就导致了前边所说的问题。

解决办法：
1)去掉 bloomfilter，我们的数据太大了，这个东西的好处看起来还不如不加好，瞬间就能搞定。
2)将bloomfilter改成激进的方式加载，这个要安排下，恩。

评论

1 楼 ppcpu 2011-11-22  

请问 hbase中 利用 SingleColumnValueFilter实现的where查询 ，怎么优化能更快点呢？