2014-11-03 23:40:05
来 源
中存储网
HBase
小米的崔建伟,他表示随着小米业务的逐渐扩展,特别是大数据时代的到来,原有的关系型数据库MySQL已经逐渐无法满足需求,因此向NoSQL迁移是很自然的事情。

2014年3月25日,CSDN在线培训:HBase在小米中的应用实践圆满结束,本次培训讲师是来自小米的崔建伟,他表示随着小米业务的逐渐扩展,特别是大数据时代的到来,原有的关系型数据库MySQL已经逐渐无法满足需求,因此向NoSQL迁移是很自然的事情。

HBase,Hadoop

Q:部署集群是用Hadoop还是CDH?

目前使用的是HBase社区的0.94分支。

Q:小米基础平台组都做哪些事情?

负责小米的存储和计算平台开发。

Q:Hive性能不及自己写的MapReduce吧?

Hive的优点在于用类SQL的方式进行大数据分析和处理,学习成本比较低。Hive转化的MR作业会做优化,有时甚至比自己写的MR作业更高效。也有HQL语句写的不好而导致效率低下的例子,需要具体分析转换后的MR作业逻辑。

Q:我有个HBase集群,有读和写操作。写操作每天都有峰值,每次平稳运行一个月时间后查询就会非常慢。我的问题是为什么每次碰到这种情况重启不能解决问题?但经过手动compaction和split后就解决了这个问题。帮忙分析一下吧。

查询慢的原因可能很多。Compaction会合并HFile,真删除数据、删除过期数据,对于查询效率的提高作用很大;Split Region之后,会触发Region的Compact,因此也能帮助提高查询效率。一般来讲重启集群对于查询效率的提高没有直接关系。另外HBase的读性能应该主要与内存和硬盘的比例有关,硬盘读延时较大。你们的数据访问是完全随机的还是访问最近写入的数据更多?如果是访问近期写入数据更多,一般命中内存概率很大,读效率不会随数据量增长而很快下降;如果是完全随机读,数据量变大后,需要从硬盘读的比例同步变大,读性能下降可能比较明显,读性能差的时候ioutil可能很高吧。

Q:你们在使用HBase的时候遇到过的最大难题是什么,是怎么一点一点解决的?

应该遇到过很多难题,比如高可用性、性能方面。主要是通过输入了解代码,优化实现,加入更多的调试信息明确问题以及故障总结等方式来逐渐解决。

Q:在使用HBase的过程中gc是怎么优化的?

结合gc log重点关注Xmn/SurvivorRatio/MaxTenuringThreshold以及并发gc线程数即可,gc靠tuning参数只能缓解问题,最终还是得关注从代码层面减少内存垃圾和碎片。

Q:你们现在用的jdk的版本是多少?

1.6.3x,未正式使用1.7。

Q:之前讲到了多个集群浪费的问题,想问问小米在节能方面做了哪些工作?

对于离线业务,建设大的离线集群让业务共享资源。统计cpu/磁盘的利用率,寻找优化的可能。

Q:二级索引在HBase怎么实现?

局部二级索引会借助于同region跨行事务的原子性,Key Delimiter Prefix Region Split Policy的Split Policy;全局二级索引会基于全局跨行事务(我们实验了全局二级事务,原理同google percolator)。

Q:能否介绍下HBase compaction优化方面?

compaction方面我们规划了一些优化工作,参见:https://issues.apache.org/jira/browse/HBase-9528

Q:如果集群的region个数已经达到5000个,每次上下线时间较长,不知道小米对region上线时间有没有优化?

对于集群升级,我们会做rolling_update;每台升级关闭region server前,会通过脚本将上面的region move到其它region server,这个过程中region 在内存的数据会flush,减少后面HLog replay的时间。另外,后面也会做region server并发restart。

Q:小米集群每台机器的配置都是一样的,都有哪些典型配置(CPU核数、内存、硬盘、硬盘转速)?

某些读多写少的业务尝试过ssd。机器典型的配置参见PPT的page5。采用定制机器还是购买厂家如联想、华为等的机器。

Q:小米的结构化存储服务有什么优势?

基于HBase,具有高可扩展性和高可用性;同时支持服务器端和客户端两种模式的访问。

Q:目前你们公司的集群响应速度怎么样?能大概介绍一下吗?

随机速度在2到5ms左右;随机读速度在3-10ms左右。

Q:HBase的实时读取不是很好,有什么改进的方案吗?

读性能主要是看缓存命中率,只要这个命中率高实时读性能还是不错的,我们优化了HBase的block cache淘汰算法,对热点数据的命中率也会有帮助。当读请求击穿到HDFS层面或是更下面的物理磁盘层面,那实际的读性能就可能取决于底层磁盘IO能力了,目前在HDFS我们实现了Hedged Read特性可以优化读请求的时延,还有个多block reader在开发计划中,而在OS的缓存命中率上我们还没开展相关的分析和优化指导工作。

Q:Hadoop 2中的Yarn对HBase是否有性能上的影响?如果配合spark可以吗?

第一个问题,是指在Yarn上运行HBase,还是MR处理HBase数据?前者没有实践,后者和MR1应该没有明显差异。

第二个问题,目前Spark支持运行在Yarn上,也可以处理HBase的数据,但Spark0.9.0对于安全集群(Kerberos)支持的不够完善。

Q:运维监控时数据是怎么采集和存储的?

集群指标通过jmx上报,我们通过程序定期采集,然后存储到OpenTsdb。

Q:请问在HLog的新写模型下,还可以保证强一致性吗?

可以保证,writeHandler会等待底层的AsyncSyncer sync的maxTxid大于自身的txid后才会返回。

Q:请问小米当时 在选择数据库的时候,有没有考虑过MongoDB?为什么最后选择了HBase而弃用MongoDB?

HBase在Scalability、Reliability、Fault Tolerance上有优势,更适合大规模数据场景下使用。

Q:问一个关于HBase版本的问题。一个单元的版本数量如果过多,会不会造成读取性能下降?比如存储一万版本?(这样的需求来自于我需要在一个单元中,存储一个IDLIST。)

如果一行是一次rpc读回,如果行太大,可能会影响到读性能;目前我们更倾向于瘦长型的行。

原文链接:http://www.csdn.net/article/2014-04-01/2819083-HBase-Hadoop

声明: 此文观点不代表本站立场;转载须要保留原文链接;版权疑问请联系我们。