HBase thrift/thrift2 使用指南

Thrift server简介

Thrift server是HBase中的一种服务，主要用于对多语言API的支持。基于Apache Thrift（多语言支持的通信框架）开发，目前有两种版本thrift和thrift2。

thrift2是当时为了适应新的Java API，提出来的。由于种种原因，thrift2没有完美兼容并替代thrift，所有就留下了两个版本。

Thrift 和 Thrift2 的区别

• 接口设计上Thrift2要比Thrfit更优雅，或者说和现在的API更贴近。比如两者的get接口：

    // Thrift2 的get接口，传入TGet（对应Java API种的Get类)
    // 用过Java API的同学看起来应该会更亲切
    TResult get(
         /** the table to get from */
        1: required binary table,
        /** the TGet to fetch */
        2: required TGet tget
    ) throws (1: TIOError io)

    // Thrift 的get接口，没有TGet这些包装，比较裸
    list get(
        /** name of table */
        1:Text tableName,
        /** row key */
        2:Text row,
        /** column name */ 
        3:Text column, 
        /** Get attributes */
        4:map attributes
    ) throws (1:IOError io)

• Thrift2没有DDL方面的接口，所以现在Hue还是用Thrift的接口。如果你只想读写数据，建议用Thrift2。

Thrift server原理

Thrfit其实就是个代理，你的请求发到Thrift server上后，server通过Java API再帮你访问HBase。

Thrift实现类是org.apache.hadoop.hbase.thrift.ThriftServer，thrift2的实现类是org.apache.hadoop.hbase.thrift2.ThriftServer。它们访问HBase使用的也是普通的HBase client API，所以当你的请求到达Thrift server后，它通过client API去帮你定位数据，然后读取数据。这么来看，Thrift Server比较灵活，你可以部署在客户机上，也可以独立部署一个thrift集群。

Thrift server 参数选择

• TServer的选择。这是Thrift框架server端处理模型的选择。有三种，TNonblockingServer，THsHaServer，TThreadPoolServer。可以通过启动命令参数指定，具体运行./bin/hbase thrift可以看到命令帮助(or ./bin/hbase thrift2)。默认是用TThreadPoolServer，建议就不用改了，除非你特别了解你的场景。关于这几种模型的区别，性能对比可以看这篇文章。
• hbase.regionserver.thrift.compact 是否使用Thrift TCompactProtocol，默认false。如果你每列数据比较大，可以试着开启，减少带宽。
• hbase.thrift.connection.cleanup-interval

1. server清理与HBase连接的周期，与HBase的是一个长连接，默认10秒

• hbase.thrift.connection.max-idletime
  如果与HBase的长连接超过这个时间没有被使用，则会被清理，默认10分钟
• hbase.thrift.minWorkerThreads
  TThreadPoolServer的线程池中的corePoolSize，也就是即便空闲时候保持的线程数，默认16。
• hbase.thrift.maxWorkerThreads
  TThreadPoolServer的线程池中的maximumPoolSize，默认1000。这个会影响server最大处理能力，需要根据硬件衡量。
• hbase.thrift.maxQueuedRequests
  TThreadPoolServer的线程池队列长度上限，超过这个值时会去创建一个新的线程处理请求（前提是没有达到maxWorkerThreads，否则拒绝请求）

注：上述最后三个值对thrift2无效。1.3之前的版本中，thrift2无法设定这些值。2.0版本中在thrift2启动命令里通过指定'w'选项来设置maxWorkerThreads。具体可以运行上文中提到的命令，查看是否支持'w'选项，如果不支持，默认max=int最大值。

Thrift部署模式

• 集群模式
  

这是最常见的模式，集群模式中的thrift建议不要和RS或者DN混部署。并且如果你使用集群模式的部署方案，你的client端不要去维护长连接。因为如果你维护一个长连接，负载均衡就会失效，如果thrift集群重启，大部分连接会连上第一个起来的thrfit server。

• 本地模式
  

本地模式就是在每个客户机上起一个client，这个客户机独享一个thrift。优点是部署简单，网络开销少。并且这种模式可以使用长连接，自己维护TTransport池。对于持续的写入或者读取，效果要比短连接好很多。HBase IPC本身也是维护一个长连接。缺点是，可靠性略差，如果thrift server挂了的话。但本身如果是多Client，其实也无所谓。

使用示例

直接参考这篇博文吧：http://blog.cloudera.com/blog/2013/09/how-to-use-the-hbase-thrift-interface-part-1/

PS:如果你不想自己在云上部署运维HBase，可以使用云HBase