HBase写入性能分析及改造—multi-thread flush and compaction(约能提高两到三倍吞吐量，带压缩测试)

转自：http://blog.csdn.net/kalaamong/article/details/7275242

首先描述一下现象

最近对HDFS底层做了许多优化，包括硬件压缩卡，内存盘及SSD。

在出测试报告时发现老问题，HBase写入速度不稳定，这个大家都习以为常了吧，就是压测时，只要row size稍小一点，不管你怎么压，HBase的RegionServer总是不愠不火特淡定。有些人就怀疑是磁盘到瓶颈了？还有些人怀疑是不是GC拖累了？

总之网上大部分测试都是黑盒测试嘛，大家也就乱猜呗。

下面我仔细来分析下原因，并解决掉问题，详细的测试数据在http://blog.csdn.net/kalaamong/article/details/7290192，对数据感兴趣的同学可以直接跳过下面的内容。

大概全套问题都解决之后写入通量提高两到三倍。

在压测时HRegionServer的Handler很多情况下都被卡在reclaimMemStoreMemory()

 ps:这个方法在region数目过多时淘宝庄庄说过这个问题，会影响put速度。

因为他每次都会调这一段代码，当有几千上万个region时。。。。。每次put都检查自然有问题，不过这个相对于后面的事情是小问题了，先放这。

 public long getGlobalMemStoreSize() {
     long total = 0;
     for (HRegion region : onlineRegions.values()) {
       total += region.memstoreSize.get();
     }
     return total;
   }

 

下面这段展示了这个方法。

 public synchronized void reclaimMemStoreMemory() {
     if (isAboveHighWaterMark()) {
       lock.lock();
       try {
         while (isAboveHighWaterMark() && !server.isStopped()) {
           wakeupFlushThread();
           try {
             // we should be able to wait forever, but we've seen a bug where
             // we miss a notify, so put a 5 second bound on it at least.
             flushOccurred.await(5, TimeUnit.SECONDS);
           } catch (InterruptedException ie) {
             Thread.currentThread().interrupt();
           }
         }
       } finally {
         lock.unlock();
       }
     } else if (isAboveLowWaterMark()) {
       wakeupFlushThread();
     }
   }

 

其中flushOccurred.await(5, TimeUnit.SECONDS);这一部分将所有写入线程都block了，但这也不完全怪flush做得慢，我们实际压测时，flush还是很快的，只是compact不及时，flush就会被阻塞。

参这篇jira的内容

https://issues.apache.org/jira/browse/HBASE-2646

https://issues.apache.org/jira/browse/HBASE-2981 

https://issues.apache.org/jira/browse/HBASE-2832

run YCSB写入压测时，HBase有明显的停顿，写入性能有跳变。在EMC一篇关于hypertable和HBase的测试中，提到HBase的性能被GC所累，我觉得他们有可能错误地把

flush和compaction中的停顿当作JAVA gc了。因为在给RegionServer分配24GB内存时，GC的时间很短（毫秒级）。

 第一步：为flush添加线程池

HBase flush memorystore时是由一个线程顺序将数据

hbase.hstore.blockingStoreFiles （）同时flush时会获取Region writeLock的writeLock().来做snapshot,而所有的修改包括mult,put,delete都要获取readlock，

所以写入操作与flush大部分代码都只能串行执行，并不能像流水号线一样边写入边flush。所以压测时就会一顿一顿的。

 

当然这是其中一个原因，我们先来解决这个原因，将flush变成多线程并行flush再来探讨另一个导致flush无法并行执行的原因。

https://issues.apache.org/jira/browse/HBASE-2832

于是我仿照Jonathan的patch在90.4上实现了muti thread memstore flush，Jonathan的实现目前用于trunk，且只针对上面我提到的原因做了改进。

实际测试时并不能达到并行flush的效果。

 这一段的主要修改是在MemStoreFlusher 中添加了如下代码，同时每处flush都调用performFlush(HRegion)。

FlushRegionHandler的代码比较多，详细见patch，我会贴到git上https://github.com/ICT-Ope，也可以到微博上@我。

   ExecutorService executor;
   public void performFlush(HRegion r) {
     executor.submit(new FlushRegionHandler(this.server, r,this));
   }

 第二步：修改HLog 获取sequenceId时的锁类型

这样做之后，遇到阻碍并行flush的第二个问题，HLog。但测试时发现一次flush的region并没有增加，依然没有效果。

我怀疑HLog中每次flush部分的检查可能还是限制了并发。并在regionserver.wal.HLog.startCacheFlush()中的一段代码找出了问题。
PS：即使用户在每次put时设定不写HLog，HLog也是要在每次flush之后检查有效log的位置，并roll log等操作也不会因此关闭。（测试中每次put时设定不写HLog）

在regionserver.wal.HLog中有如下代码：

 /**
  * By acquiring a log sequence ID, we can allow log messages to continue while
  * we flush the cache.
  *
  * Acquire a lock so that we do not roll the log between the start and
  * completion of a cache-flush. Otherwise the log-seq-id for the flush will
  * not appear in the correct logfile.
  *
  * @return sequence ID to pass {@link #completeCacheFlush(byte[], byte[], long, boolean)}
  * (byte[], byte[], long)}
  * @see #completeCacheFlush(byte[], byte[], long, boolean)
  * @see #abortCacheFlush()
  */
 public long startCacheFlush() {
   this.cacheFlushLock.lock();
   return obtainSeqNum();
 }

这部分被HRegion的internalFlushcache调用，用以得到当前HLog的sequenceId，不得不说这个lock加得太大了，一个RegionServer共用一个HLog啊。。。

此处无非是得到log sequence 然后在store internalFlushcache时写到文件里，hlog roll时从而得知哪段已经写到磁盘了。

所以此处的cacheFlushLock 应当改为ReentrantReadWriteLock，并在此处只加readLock。rolllog时加writeLog。

    this.updatesLock.writeLock().lock();//此处已经将本Region所有修改操作lock了。
     final long currentMemStoreSize = this.memstoreSize.get();
     List storeFlushers = new ArrayList(stores.size());
     boolean compactionRequested = false;
 try {
 sequenceId = (wal == null)? myseqid: wal.startCacheFlush();//在这，上面那个方法又加了个RegionServer级的锁，且还不是RW锁。
       completeSequenceId = this.getCompleteCacheFlushSequenceId(sequenceId);

       for (Store s : stores.values()) {
         storeFlushers.add(s.getStoreFlusher(completeSequenceId));
       }

       // prepare flush (take a snapshot)
       for (StoreFlusher flusher : storeFlushers) {
         flusher.prepare();
       }

做以上修改之后HBase多线程flush没有问题了。下面是第三步：

第三步：为compact添加线程池，顺便注释掉split部分。

不过随之而来的另外一个问题就是当flush频繁之后系统吞吐量显著提高，但生成的小文件数量变多，compaction的负担就大了。

由于下面这段代码，compact忙不过来时，flush也是会被阻塞的，如此写入也就被阻塞了。

 private boolean flushRegion(final FlushRegionEntry fqe) {
     HRegion region = fqe.region;
     if (!fqe.region.getRegionInfo().isMetaRegion() &&
         isTooManyStoreFiles(region)) {
       if (fqe.isMaximumWait(this.blockingWaitTime)) {
         LOG.info("Waited " + (System.currentTimeMillis() - fqe.createTime) +
           "ms on a compaction to clean up 'too many store files'; waited " +
           "long enough... proceeding with flush of " +
           region.getRegionNameAsString());
       } else {

当StoreFile数到7（默认），flush就要等compact把StoreFile压到一个文件里。如此单线程的compact又成为瓶颈阻碍HBase的写入吞吐量了。所以最后又把compact也改成了线程池，同时顺便把split的代码给注释掉了。然后把blockflush的storefile数目从7改到两千，这样写入流水基本顺畅了。最后的效果是HBase压测时cpu一直利用充分。HBase中 multi flush compact的流水线基本并行化了。整个系统的吞吐量大幅度提升。此时当打开gz软件压缩（no native，用native压时，压缩是单线程的）时，系统的cpu利用率才充分一些。

第四步：为HBaseClient添加到RegoinServer的连接池。

但即使如此，cpu也没有用到100%啊，既然是压测那一定要达到某个硬件瓶颈才算压出效果吧。此时突然意识到HBaseClient端的一个问题：所有线程共用一个socket连接与RS交换数据，so果端修改了HBaseClient的代码使用了连接池。（线上系统如非某应用独占，最好不要改这个地方）。改完之后用70个线程压测时总算达到了我要的效果，RS 16核2.4GHz的CPU满载(no compression,multi-thread flush and compact)。更详细的测试报告我将会在后续的博文中放出，测试的效果大概是写入吞吐量有两到三倍提升。

接上文啊：

测试机性能

CPU	16* Intel(R) Xeon(R) CPU           E5620  @ 2.40GHz
MEMORY	48GB
DISK	12*SATA 2TB
NET	4*1Gb Ethernet

测试数据:

类型	国内某视频网站近半年用户访问日志
结构	一行九列，包括用户访问页，关键词及其它用户信息。对应HBase一个family下9个column，一行120到180字节
数据量	每次测试写入10亿条数据，原始数据约110GB，写到HBase中一张不加压缩的表里HDFS中单副本约480GB （dus结果）

集群结构

RegionServer	1个 hostname: data2
DataNode	5个hostname: data12~data16

这样设设计的集群结构，主要目的就是要压测Region Server。以下所有测试客户端put关HLog，服务端不split。

第一组：（原始情况）

这是最初HBase的情况，没有对服务端代码做修改，在配置参数上稍稍改动了类似于MemStore up water level,low water level,以及handler数目和HFile的最大Size值。可以看出虽然是压测，HBase所有地方都很闲，内部的情况是就Multi写入数据了之后MemStore大了等flush，flush的store file多了就等compact。各种等也就各种闲。

最后写入10亿行数据用时6小时48分。整个表在HDFS dus出的大小约440GB。

第二组：（配置项修改）

下面的图是继上面情况之后修改了

          hbase.hstore.blockingStoreFiles

          2000

        

把block flush的storefile数从默认的7改到了2000，已经不让split了，还不许storefile数多一点，太没人性了。此时前段时间写入的性能有些改善，但毕竟还是单线程的flush和compact治标不治本。

最后写入10亿行数据用时5小时54分，比上一组实验缩短了1个小时。整个表在HDFS dus出的大小约480GB，原因应当是flush被阻塞的次数减少，flush得更频繁了，写入流量也稍增，但没来得及compact的store file更多，所以整个表大了40G( 约9%)。

第三组：（代码修改）

最后来治标治本吧。后面的实验中配置参数与上一组相同，同时服务端修改代码，为flush和compact添加了线程池。并新加入两个配置项：

    25  

    26    hbase.hstore.flush.thread

    27     20

    28  

    29  

    30    hbase.hstore.compaction.thread

    31    15

    32  

再看压测情况CPU基本满载。唉这才是压测啊！！

如此这般下来写入10亿行数据用时2小时58分，不到第一组一半的时间。表大小约410GB

由于compact做得及时，表大小比第一组小30GB，比第二组小70GB。

第四组：（代码修改加压缩）

接着按第三组的情况加上GZ的软压缩（为什么挑GZ请参第五组测试），这组估计CPU都要冒烟了。

写入10亿行数据耗时3小时5分，比上一组多了7分钟。但表的size为71GB !差不多是上一组的六分之一，尽然压缩到了原数据的17%大小。

第五组：（第五组大家自己研究吧）

这一组最强悍，采用了一些特殊的硬件改了改HDFS，HBase的修改与上两组相同。

写入10亿行数据耗时2小时24分钟。差不多是第一组时间的1/3。文件size为111GB，压到了第一组的1/4。且CPU也没到冒烟的状态，应当还能加压。关于这个组今后还将有更详细的测试结果放出。现在先不详细介绍了。