背景：HBase主集群在生產環境已穩定運行有1年半時間，最大的單表region數已達7200多個，每天新增入庫量就有百億條，對HBase的認識經歷了懵懂到熟的過程。為了應對業務數據的壓力，HBase入庫也由最初的單機多線程升級為有容災機制的分布式入庫，為及早發現集群中的問題，還開發了一套對HBase集群服務和應用全面監控的報警系統。總結下HBase優化(針對0.94版本)方面的一些經驗也算對這兩年HBase工作的一個描述。

相關資源：《HBase企業應用開發實戰》，HBase筆記（工作中自己總結的，非常全）等，領取方式：請點擊“閱讀原文”查看，更多資源請查看歷史消息！

服務端

1.hbase.regionserver.handler.count：rpc請求的線程數量，默認值是10，生產環境建議使用100，也不是越大越好，特別是當請求內容很大的時候，比如scan/put幾M的數據，會占用過多的內存，有可能導致頻繁的GC，甚至出現內存溢出。

2.hbase.master.distributed.log.splitting：默認值為true，建議設為false。關閉hbase的分布式日誌切割，在log需要replay時，由master來負責重放

3.hbase.regionserver.hlog.splitlog.writer.threads：默認值是3，建議設為10，日誌切割所用的線程數

4.hbase.snapshot.enabled：快照功能，默認是false(不開啟)，建議設為true，特別是對某些關鍵的表，定時用快照做備份是一個不錯的選擇。

5.hbase.hregion.max.filesize：默認是10G， 如果任何一個column familiy裏的StoreFile超過這個值, 那麽這個Region會一分為二，因為region分裂會有短暫的region下線時間(通常在5s以內)，為減少對業務端的影響，建議手動定時分裂，可以設置為60G。

6.hbase.hregion.majorcompaction：hbase的region主合並的間隔時間，默認為1天，建議設置為0，禁止自動的major主合並，major合並會把一個store下所有的storefile重寫為一個storefile文件，在合並過程中還會把有刪除標識的數據刪除，在生產集群中，主合並能持續數小時之久，為減少對業務的影響，建議在業務低峰期進行手動或者通過腳本或者api定期進行major合並。

7.hbase.hregion.memstore.flush.size：默認值128M，單位字節，一旦有memstore超過該值將被flush，如果regionserver的jvm內存比較充足(16G以上)，可以調整為256M。

8.hbase.hregion.memstore.block.multiplier：默認值2，如果一個memstore的內存大小已經超過hbase.hregion.memstore.flush.size * hbase.hregion.memstore.block.multiplier，則會阻塞該memstore的寫操作，為避免阻塞，建議設置為5，如果太大，則會有OOM的風險。如果在regionserver日誌中出現"Blocking updates for ‘<threadName>‘ on region <regionName> : memstore size <多少M> is >= than blocking <多少M> size"的信息時，說明這個值該調整了。

9.hbase.hstore.compaction.min：默認值為3，如果任何一個store裏的storefile總數超過該值，會觸發默認的合並操作，可以設置5~8，在手動的定期major compact中進行storefile文件的合並，減少合並的次數，不過這會延長合並的時間，以前的對應參數為hbase.hstore.compactionThreshold。

10.hbase.hstore.compaction.max：默認值為10,一次最多合並多少個storefile，避免OOM。

11.hbase.hstore.blockingStoreFiles：默認為7，如果任何一個store(非.META.表裏的store)的storefile的文件數大於該值，則在flush memstore前先進行split或者compact，同時把該region添加到flushQueue，延時刷新，這期間會阻塞寫操作直到compact完成或者超過hbase.hstore.blockingWaitTime(默認90s)配置的時間，可以設置為30，避免memstore不及時flush。當regionserver運行日誌中出現大量的“Region <regionName> has too many store files; delaying flush up to 90000ms"時，說明這個值需要調整了

12.hbase.regionserver.global.memstore.upperLimit：默認值0.4，regionserver所有memstore占用內存在總內存中的upper比例，當達到該值，則會從整個regionserver中找出最需要flush的region進行flush，直到總內存比例降到該數以下，采用默認值即可。

13.hbase.regionserver.global.memstore.lowerLimit：默認值0.35，采用默認值即可。

14.hbase.regionserver.thread.compaction.small：默認值為1，regionserver做Minor Compaction時線程池裏線程數目,可以設置為5。

15.hbase.regionserver.thread.compaction.large：默認值為1，regionserver做Major Compaction時線程池裏線程數目，可以設置為8。

16.hbase.regionserver.lease.period：默認值60000(60s)，客戶端連接regionserver的租約超時時間，客戶端必須在這個時間內匯報，否則則認為客戶端已死掉。這個最好根據實際業務情況進行調整

17.hfile.block.cache.size：默認值0.25，regionserver的block cache的內存大小限制，在偏向讀的業務中，可以適當調大該值，需要註意的是hbase.regionserver.global.memstore.upperLimit的值和hfile.block.cache.size的值之和必須小於0.8。

18.dfs.socket.timeout：默認值60000(60s)，建議根據實際regionserver的日誌監控發現了異常進行合理的設置，比如我們設為900000，這個參數的修改需要同時更改hdfs-site.xml

19.dfs.datanode.socket.write.timeout：默認480000(480s),有時regionserver做合並時，可能會出現datanode寫超時的情況，480000 millis timeout while waiting for channel to be ready for write，這個參數的修改需要同時更改hdfs-site.xml

jvm和垃圾收集參數：

export HBASE_REGIONSERVER_OPTS="-Xms36g -Xmx36g -Xmn1g -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:+UseCMSCompactAtFullCollection -XX:CMSFullGCsBeforeCompaction=15 -XX:CMSInitiatingOccupancyFraction=70 -verbose:gc -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -Xloggc:/data/logs/gc-$(hostname)-hbase.log"

由於我們服務器內存較大(96G),我們給一部分regionserver的jvm內存開到64G，到現在為止，還沒有發生過一次full gc，hbase在內存使用控制方面確實下了不少功夫，比如各種blockcache的實現，細心的同學可以看源碼。

Client端

1.hbase.client.write.buffer：默認為2M，寫緩存大小，推薦設置為5M，單位是字節，當然越大占用的內存越多，此外測試過設為10M下的入庫性能，反而沒有5M好

2.hbase.client.pause：默認是1000(1s),如果你希望低延時的讀或者寫，建議設為200，這個值通常用於失敗重試，region尋找等

3.hbase.client.retries.number：默認值是10，客戶端最多重試次數,可以設為11，結合上面的參數，共重試時間71s

4.hbase.ipc.client.tcpnodelay：默認是false，建議設為true，關閉消息緩沖

5.hbase.client.scanner.caching：scan緩存，默認為1，避免占用過多的client和rs的內存，一般1000以內合理，如果一條數據太大，則應該設置一個較小的值，通常是設置業務需求的一次查詢的數據條數

如果是掃描數據對下次查詢沒有幫助，則可以設置scan的setCacheBlocks為false，避免使用緩存；

6.table用完需關閉，關閉scanner

7.限定掃描範圍：指定列簇或者指定要查詢的列，指定startRow和endRow

8.使用Filter可大量減少網絡消耗

9.通過Java多線程入庫和查詢，並控制超時時間。後面會共享下我的hbase單機多線程入庫的代碼

10.建表註意事項：

開啟壓縮

合理的設計rowkey

進行預分區

開啟bloomfilter

ZooKeeper調優

1.zookeeper.session.timeout：默認值3分鐘，不可配置太短，避免session超時，hbase停止服務，線上生產環境由於配置為1分鐘，如果太長，當regionserver掛掉，zk還得等待這個超時時間(已有patch修復)，從而導致master不能及時對region進行遷移。

2.zookeeper數量：建議5個或者7個節點。給每個zookeeper 4G左右的內存，最好有獨立的磁盤。

3.hbase.zookeeper.property.maxClientCnxns：zk的最大連接數，默認為300，無需調整。

4.設置操作系統的swappiness為0，則在物理內存不夠的情況下才會使用交換分區，避免GC回收時會花費更多的時間，當超過zk的session超時時間則會出現regionserver宕機的誤報

HDFS調優

1.dfs.name.dir：namenode的數據存放地址，可以配置多個，位於不同的磁盤並配置一個nfs遠程文件系統，這樣namenode的數據可以有多個備份

2.dfs.namenode.handler.count：namenode節點RPC的處理線程數，默認為10，可以設置為60

3.dfs.datanode.handler.count：datanode節點RPC的處理線程數，默認為3，可以設置為30

4.dfs.datanode.max.xcievers：datanode同時處理文件的上限，默認為256，可以設置為8192

其他

列族名、column名、rowkey均會存儲到hfile中，因此這幾項在設計表結構時都盡量短些

regionserver的region數量不要過1000，過多的region會導致產生很多memstore，可能會導致內存溢出，也會增加major compact的耗時

來源：http://blog.csdn.NET/odailidong/article/details/41794403

【HBase調優】Hbase萬億級存儲性能優化總結