HBase随机读写性能测试

本文转载自淘宝网BlueDavy同学的博客,文章基于淘宝对HBase的大量应用,给出了一个HBase的随机读写性能测试结果,对测试环境、配置及性能参数分析都有较详细的描述,推荐给各位NoSQL Fans。

根据最近生产环境使用的经验,更多的项目的采用,以及采用了更加自动的测试平台,对HBase做了更多的场景的测试,在这篇blog中来分享下纯粹的随机写和随机读的性能数据,同时也分享下我们调整过后的参数。

测试环境说明:

  • 1、Region Server: 5台,12块1T SATA盘(7200 RPM),No Raid,物理内存24G,CPU型号为E5620;启动参数为:-Xms16g -Xmx16g -Xmn2g -XX:SurvivorRatio=2 -XX:+UseCMSInitiatingOccupancyOnly -XX:CMSInitiatingOccupancyFraction=85
  • 2、Data Node:35台,和Region Server同样的硬件配置,启动参数上-Xms2g -Xmx2g,未设置-Xmn;

服务端参数:

  • hbase.replication false
  • hbase.balancer.period 1200000
  • hfile.block.cache.size 0.4,随机读20%命中场景使用0.01
  • hbase.regionserver.global.memstore.upperLimit 0.35
  • hbase.hregion.memstore.block.multiplier 8
  • hbase.server.thread.wakefrequency 100
  • hbase.regionserver.handler.count 300
  • hbase.master.distributed.log.splitting false
  • hbase.regionserver.hlog.splitlog.writer.threads 3
  • hbase.hregion.max.filesize 1073741824
  • hbase.hstore.blockingStoreFiles 20
  • hbase.hregion.memstore.flush.size 134217728

客户端参数:

  • hbase.client.retries.number 11
  • hbase.client.pause 20
  • hbase.ipc.client.tcpnodelay true
  • ipc.ping.interval 3000

最终随机写的测试性能结果如下(点开可看大图):

从写的测试来看,可以看到,当客户端线程数在250左右时,此时的响应时间在6ms左右,tps在7.5k左右,差不多是比较好的一个状态。

在随机写的测试中,以及我们的一些项目的测试中,看到的一些现象和问题:

  • 1、随着单台机器的region数变多了,tps下降的比较明显,team的同事做了一个改进,保障了随着region数的增多,tps基本不会有太多的下降,具体请见同事的这篇blog
  • 2、当hbase.regionserver.handler.count为100(默认为10,更正常了)时,压力大的情况下差不多100个线程都会BLOCKED,增加到300后差不多足够了,此时tps也到达瓶颈了;
  • 3、当datanode数量比较少时,会导致写tps比较低,原因是此时compact会消耗掉太多的网络IO;
  • 4、当写采用gz压缩时,会造成堆外内存泄露,具体请参见同事的这篇blog
  • 5、在压力增大、region数增多的情况下,split和flush会对写的平稳性造成比较大的影响,而通常内存是够用的,因此可以调整split file size和memstore flush size,这个要根据场景来决定是否可调整。

对写的速度影响比较大的因素主要是:请求次数的分布均衡、是否出现Blocking Update或Delaying flush、HLog数量、DataNode数量、Split File Size。

随机读的测试性能结果如下(点开可看大图):

从读的测试来看,可以看到,读的tps随cache命中率降低会下降的比较厉害,命中率为90%时、客户端线程数为250时,此时的响应时间和tps是比较不错的状况。

在随机读的测试中,以及我们的一些项目的测试中,看到的一些现象和问题:

  • 1、随机读的tps随着命中率下降,下降的有点太快,具体原因还在查找和分析中;
  • 2、当命中率很低时,读bloomfilter的索引信息需要耗费掉比较多的时间,主要原因是bloomfilter的索引信息并没有在cache优先级中占优,这是一个可以改进的点。

对读的速度影响比较大的因素主要是:请求次数的分布均衡、StoreFile数量、BloomFilter是否打开、Cache大小以及命中率。

ps: 强烈推荐同事的blog,其中记录了很多我们对HBase的改进,以及我们在运维HBase项目时碰到的各种奇怪、诡异的问题。

来源:blog.bluedavy.com

anyShare赠人玫瑰,手有余香,分享知识,德艺双馨!
          

无觅相关文章插件,快速提升流量

  1. 站长,你的wordpress为什么百度收录那么多?百度不是禁wordpress么

    • 之前是有这个说法,不过应该不是禁wordpress吧,好像是降权。
      可能是我这里的文章内容别处不多,所以降权也不受影响。

    • 百度不是封wordpress吧,只是降权了而已,我这些内容可能其它地方不多,所以百度降权也不受太大影响吧。