"MapReduce研究现局和毕玄-HBase简介与实践分享"分享总结

概述：

此分享包括：MapReduce研究现状和毕玄-HBase简介与实践分享的汇总

汇总点：

Table in HBase以Region为单位管理region(startKey,endKey)；
Hbase每个Column Family单独存储：storeFile；
Hbase当某个Column Family累积的大小 > 某阈值时，自动分裂成两个Region通过查找-ROOT- & .META.来获取某行在某region上；
RegionServer：Region读写操作的场所；
Master：管理Region的分配和基于zookeeper来保证HA；
Hbase的强一致性：同一行数据的读写只在同一台regionserver上进行；
Hbase的水平伸缩表现在：region的自动分裂以及master的balance、只用增加datanode机器即可增加容量和增加regionserver机器即可增加读写吞吐量；
Hbase行事务同一行的列的写入是原子的；
Hbase合理设计rowKey & Pre-Sharding；
Hbase开启压缩create table ‘t1’,{NAME => ‘cf1’, COMPRESSION => ‘lzo’}
Hadoop集群监控工具Ganglia；

Hadoop调优点：

I/O：
io.sort.mb
io.sort.percent
io.sort.record.percent
io.sort.spill.percent
Shuffle：
tasktracker.http.threads
mapred.reduce.parallel.copies
mapred.job.shuffle.input.buffer.percent
其他：
数据压缩
推测性执行(同时执行同一Task,杀死运行慢的)
同一节点的Child重用jvm
重写Partitioner,使分布到各Reducer的数据均匀
设置堆空间大小

写速度关键因素：

Table region分布均衡；
单台region server的region数；
hbase.regionserver.handler.count
hbase.regionserver.global.memstore.upperLimit
hbase.hregion.memstore.block.multiplier
hbase.hstore.blockingStoreFiles
hbase.hregion.max.filesize

读速度关键因素：

单台Region Server上的Region数；
StoreFile数；
bloomfilter；
in-memory flag;
blockcache设置；
hfile.block.cache.size；

更多详情参见附件