当前位置 > 首页 > 技术热点 > 如何避免HBase写入过快引起的各种问题

nba比分直播188:如何避免HBase写入过快引起的各种问题

nba比分直播新浪 www.25uk9.com.cn 来源:中国数据分析行业网 | 时间:2018-04-10 | 作者:数据委

首先我们简单回顾下整个写入流程

  1. client?api?==>?RPC?==>?server?IPC?==>?RPC?queue?==>?RPC?handler?==>?write?WAL?==>?write?memstore?==>?flush?to?filesystem

整个写入流程从客户端调用API开始,数据会通过protobuf编码成一个请求,通过scoket实现的IPC??楸凰痛飐erver的RPC队列中。最后由负责处理RPC的handler取出请求完成写入操作。写入会先写WAL文件,然后再写一份到内存中,也就是memstore???,当满足条件时,memstore才会被flush到底层文件系统,形成HFile。

667

当写入过快时会遇见什么问题?

写入过快时,memstore的水位会马上被推高。

你可能会看到以下类似日志:

  1. RegionTooBusyException:?Above?memstore?limit,?regionName=xxxxx?...

这个是Region的memstore占用内存大小超过正常的4倍,这时候会抛异常,写入请求会被拒绝,客户端开始重试请求。当达到128M的时候会触发flush memstore,当达到128M * 4还没法触发flush时候会抛异常来拒绝写入。两个相关参数的默认值如下:

  1. hbase.hregion.memstore.flush.size=128M
  2. hbase.hregion.memstore.block.multiplier=4

或者这样的日志:

  1. regionserver.MemStoreFlusher:?Blocking?updates?on?hbase.example.host.com,16020,1522286703886:?the?global?memstore?size?1.3?G?is?>=?than?blocking?1.3?G?size
  2. regionserver.MemStoreFlusher:?Memstore?is?above?high?water?mark?and?block?528ms

这是所有region的memstore内存总和开销超过配置上限,默认是配置heap的40%,这会导致写入被阻塞。目的是等待flush的线程把内存里的数据flush下去,否则继续允许写入memestore会把内存写爆

  1. hbase.regionserver.global.memstore.upperLimit=0.4??#?较旧版本,新版本兼容
  2. hbase.regionserver.global.memstore.size=0.4?#?新版本

当写入被阻塞,队列会开始积压,如果运气不好最后会导致OOM,你可能会发现JVM由于OOM crash或者看到如下类似日志:

  1. ipc.RpcServer:?/192.168.x.x:16020?is?unable?to?read?call?parameter?from?client?10.47.x.x
  2. java.lang.OutOfMemoryError:?Java?heap?space

HBase这里我认为有个很不好的设计,捕获了OOM异常却没有终止进程。这时候进程可能已经没法正常运行下去了,你还会在日志里发现很多其它线程也抛OOM异常。比如stop可能根本stop不了,RS可能会处于一种僵死状态。

如何避免RS OOM?

一种是加快flush速度:

  1. hbase.hstore.blockingWaitTime?=?90000?ms
  2. hbase.hstore.flusher.count?=?2
  3. hbase.hstore.blockingStoreFiles?=?10

当达到hbase.hstore.blockingStoreFiles配置上限时,会导致flush阻塞等到compaction工作完成。阻塞时间是hbase.hstore.blockingWaitTime,可以改小这个时间。hbase.hstore.flusher.count可以根据机器型号去配置,可惜这个数量不会根据写压力去动态调整,配多了,非导入数据多场景也没用,改配置还得重启。

同样的道理,如果flush加快,意味这compaction也要跟上,不然文件会越来越多,这样scan性能会下降,开销也会增大。

  1. hbase.regionserver.thread.compaction.small?=?1
  2. hbase.regionserver.thread.compaction.large?=?1

增加compaction线程会增加CPU和带宽开销,可能会影响正常的请求。如果不是导入数据,一般而言是够了。好在这个配置在云HBase内是可以动态调整的,不需要重启。

上述配置都需要人工干预,如果干预不及时server可能已经OOM了,这时候有没有更好的控制方法?

  1. hbase.ipc.server.max.callqueue.size?=?1024?*?1024?*?1024?#?1G

直接限制队列堆积的大小。当堆积到一定程度后,事实上后面的请求等不到server端处理完,可能客户端先超时了。并且一直堆积下去会导致OOM,1G的默认配置需要相对大内存的型号。当达到queue上限,客户端会收到CallQueueTooBigException 然后自动重试。通过这个可以防止写入过快时候把server端写爆,有一定反压作用。线上使用这个在一些小型号稳定性控制上效果不错。

来源:51CTO

  • “拖稿”也自信 美女作家落落来渝聊新书 2018-12-14
  • 中共中央组织部“12380”举报网站 2018-12-14
  • 聚焦总目标不折不扣贯彻党中央治疆方略 2018-12-13
  • 【大家谈】以“三个担当”标尺量出好干部 2018-12-13
  • 少了两个气缸,这台跑车依然能做你的Dream Car 2018-12-13
  • 清新 —频道 春城壹网 七彩云南 一网天下 2018-12-12
  • 上海地铁连发寻衅滋事事件 2018-12-12
  • 中华龙舟如何奋楫争先?习近平这些话要牢记 2018-12-11
  • 第九届全球健康促进大会 2018-12-11
  • “一带一路”结硕果 以色列科技助力中国农业 2018-12-11
  • 统一标尺严把关口 防止留置权滥用 2018-12-10
  • 传说中的自由飞“翔” 当厕所被狂风吹上天 2018-12-10
  • 申纪兰:人民代表就要代表人民 2018-12-10
  • 这里是乌鲁木齐市交警指挥中心,欢迎参与交通管理问题! 2018-12-10
  • 应战美国贸易战中国跟500亿 同等力度、同日开征关税 2018-12-09
  • 920| 668| 745| 242| 962| 703| 746| 402| 708| 751|