HTable的使用

当前一般HBase的读写（删除也认为是写）都是通过HTable对象来操作的。

 

首先看官方的注释

 

 

 * <p>Used to communicate with a single HBase table.

 *

 * <p>This class is not thread safe for reads nor write.

 * 

 * <p>In case of writes (Put, Delete), the underlying write buffer can

 * be corrupted if multiple threads contend over a single HTable instance.

多线程操作同一个HTable实例的时候write buffer会混乱。也就是说HTable不是线程安全的。

具体体现在两个方面：

1.写的时候会把数据写到一个writebuffer里面，多线程的话全部写入到同一个buffer会导致数据紊乱

2. wirteBuffer清空的时候也有问题，不知道哪些数据已经写成功，哪些还未写成功。

基于这两个方面我们可以认为写的时候用同一个HTable实例时不推荐的。

 

有人可能会提出HTablePool是线程安全的，那用pool会如何。

实际上HTabePool的作用我认为是为了控制客户端对HTable的滥用。

其官方说明

/*Get areference to the specified table from the pool。*/

得到的仅仅是一个HTable的引用，如果当前pool中没有该table的HTable对象那么会new一个。

记住操作完以后要把该引用放回去，否则你每次去getTable都是去new一个新的对象，这是一个很大的开销。

 

接着来看看scan的几个参数：

1. caching  

对于这个重要的参数，api上尽然说明不多。。

这个值可以大幅减少rpc时间，也就是说，如果你要求100条数据，如果你的caching是10，那么rpc通信次数只有10次，如果你的caching设置为1，那么rpc次数是100，这是一个极大地开销，不过这个值也不能设置的太大，否则对服务器端和客户端都是灾难性的。

2. batch

每个result上的kv数。

3.maxResultSize

Result的最大值

 

简单来说，

caching是一次从服务器端返回对少个Result对象，batch是每个Result上的kv数目，MaxResultSize是单个Result的最大值。

batch和MaxResultSize都是为了防止单个Result过大，将单个过大的Result拆开成几个返回防止客户端oom。。