滴滴在HBase性能与可用性上的探索与实践

桔妹导读：HBase作为Hadoop生态中表现较为突出的分布式在线数据存储产品，在滴滴有着非常广泛的应用，但同样存在比较突出的短板问题——例如可用性较弱、毛刺严重等，一定程度上限制了它的业务边界。本文主要介绍在此背景下，HBase团队近期进行的一些探索工作。

1. 

背景

HBase 是一个基于 HDFS 的低成本、分布式LSM结构数据库，可以支持毫秒级别查询；支持海量的PB级的大数据存储，适用于高QPS的随机读写和前缀范围查询等场景。此外，优秀的开源环境使得HBase还可以支持丰富的上下游生态与离线任务。

目前在滴滴内部，HBase基本覆盖了全部业务线，数据量PB规模，吞吐超千万级别；业务包含司乘轨迹、订单、特征工程、推荐引擎、IOT、APM等各种场景，基于HBase的多模生态诸如OLAP（Kylin）、时序（OpenTSDB）、时空（GeoMesa）、图（JanusGraph）亦均有应用。

2020年下半年，HBase团队逐渐将视野投向端上/类端上业务，希望能够承载更加重要的流量。然而对于HBase自身架构和实现而言，主要存在两方面痛点：

▍1.可用性问题

架构层面看，HBase在CAP定理中选择了C，以较弱的可用性为代价换取强一致性，数据层面依赖HDFS保证数据安全，计算层面region无副本。

这样当region迁移、分裂、合并、RS宕机等情况发生时，对应region都会有短时不可用；而作为高吞吐的数据服务，客户端往往都会大量使用线程池，少量region不可用会迅速形成木桶短板，进而放大为整体TPS掉底。

而这种“预期内的”抖动、掉底，是无法满足互联网行业端上场景的可用性要求的。

社区提供的region replica功能一定程度上可以缓解这一问题，但一方面目前这个feature可靠性还不算高，社区仍在推进各种加固和改善，目测稳定的目标release版本可能要放到未发布的3.0了；另一方面端上服务需要双机房，保证容灾和降级，而replica是集群内的region副本，显然也不能支持。

▍2.毛刺问题

HBase主要受Java GC和底层HDFS共用影响，HBase的毛刺相对突出，是进一步提升性能的瓶颈点。

 

基于以上两个痛点问题，HBase团队近半年进行了一些尝试与探索，主要是基于 replication的客户端多路读功能 与 HBase-ZGC应用实践，预期能够优化HBase的可用性与毛刺问题，简单分享给大家。

2. 

基于replication的客户端多路读功

2020年来，为提升HBase可用性，我们大体经历了两个阶段：

1. replication主备

replication是HBase的异步数据同步机制，和Mysql利用Binlog实现主从库类似，HBase利用WAL实现主备集群的数据同步。大致流程为主集群记录写入的WAL，并将数据异步发送给备集群，备集群接收数据并将其转换为put/delete操作，批量写入备集群。提供最终一致性保证。

图片来源：HBase官方文档

detailed_information_about_cluster_replication

这一阶段存在的问题：

• 故障时用户有感知，需用户侧切读；

• 备集群利用率较低，资源闲置存在浪费；

2. replication + failover

failover是滴滴HBase团队基于replication自研的增强feature，架构如下图：

• 相比第一阶段，failover可以基于zk实现服务切换，不需用户操作。但仍然存在用户有感知、备集群无法充分利用的问题；

• 基于以上背景，我们又开发了基于replication的客户端多路读功能，预期解决以下问题：

• • 故障时用户无感知；

  • 提升备集群利用率；

  • 打磨HBase毛刺；

▍1. 设计

整体设计参考HDFS的hedgedRead功能，客户端首先向主集群发起读请求，一定时间没有返回结果则并发向备集群发起请求，两者取先完成者返回。

实际上HBase的regionReplica也是类似的实现。

▍2.新增配置

param	default value	desc
hbase.client.hedged.read	false	是否开启多路读
hbase.client.hedged.read.timeout	50	启动备集群读线程的时间阈值
hbase.zookeeper.quorum.hedged.read	-	备集群zk地址

▍3.性能测试

3.1 用例设计

1. 两个集群分别创建主备测试表，构建replication

2. ycsb打入100w测试数据

3. 测试组打开多路读，对照组关闭多路读，各发起10w次scan

4. 客户端统计max、P999、P99

3.2 测试结论

max对比

P999对比

P99对比

多路读对于max和P999有较佳优化效果，可以有效打磨毛刺。

▍4.未尽事项和思考

1. 多路读功能基于replication实现，因此只能实现最终一致性，备集群读到的数据有可能和主集群存在差异；

2. 目前此功能仅作用于查询，主集群宕机时，最新数据无法同步，因此备集群查询最新数据可能查询不到；

3. HBase的scan操作可能分解为多次RPC，由于相关session信息在不同集群间没有同步，数据也不能保证完全一致，因此多路读只在第一次RPC时生效，之后的请求会固定访问第一次RPC时最终使用的集群。

多路读本质上是多活建设，但CAP较难跨越，多活可以提供高可用能力，但强一致性很难得到保障。

但我们可以通过“让用户选择”的方式来解决这一问题：

• 方案一：多活 + 最终一致性

• 方案二：主备 + 强一致性

对于方案一，当前的多路读实现了读链路的多活，写链路仍有优化空间，例如提升replication效率、降低两集群间数据lag等；

对于方案二，可以基于社区的同步replication实现，此外failover的功能仍需我们做更多工作，实现更加智能的自动切换，降低用户感知。

3. 

HBase-ZGC应用实践

▍1.为什么要更换GC算法？

随着滴滴内部越来越多的端上和类端上业务使用HBase作为存储引擎，用户对HBase读写延迟稳定性的要求也越来越高，HBase的GC毛刺问题尤为突出，G1无法满足性能需求。

好消息是JDK15在9月15号正式发布，划时代的ZGC正式转正，我们决定尝试用ZGC来解决GC毛刺问题。

ZGC（The Z Garbage Collector）：ZGC是JDK11之后发布的一款可伸缩的低延迟JVM垃圾收集器。

ZGC官方的设计目标如下：

• Max pause times of a few milliseconds(*)

• Pause times do not increase with the heap or live-set size (*)

• Handle heaps ranging from a 8MB to 16TB in size

ZGC 是一个并发的、单代的、基于区域的、NUMA 感知的压缩收集器，Stop-the-world 阶段仅限于根扫描，因此 GC 暂停时间不会随堆或活动集（live set）的变大而增加。

ZGC 的核心设计原则是将Load barriers与染色对象指针结合使用，这使得 ZGC 能够在 Java 应用程序线程运行时执行并发操作，例如对象重定向。从 Java 线程的角度来看，在 Java 对象中加载引用字段的行为受到加载屏障的影响。除了对象地址之外，colored oops 还包含加载屏障使用的信息，以确定在允许 Java 线程使用指针之前是否需要采取某些操作。

ZGC相比G1

• 更低延迟：GC停顿时间更短，不超过 10ms

• 更大内存：堆内存支持范围更大（8MB-16TB）

SPECjbb 2015基准测试，128G堆，ZGC的暂停时间远低于G1

相较于G1只有写屏障没有读屏障，复制移动的过程需要Stop the world，ZGC通过读屏障、Remark标记和重定向表来并发拷贝非GC Roots对象，尽可能的减少了Stop the world。

官方的性能测试对比可以参考JEP333。本文主要介绍HBase场景的ZGC应用实践，对ZGC的原理不展开介绍。

▍2. HBase应用ZGC实践

2.1 选择JDK版本

由于需要在生产环境使用，而Orace JDK商业使用开始收费，所以我们需要一个免费版的JDK。经过对比，我们最终选取了AdoptOpenJDK的JDK15版本。

1）AdoptOpenJDK 是社区（伦敦JUG）维护版的OpenJDK，提供预构建的二进制文件，主要维护LTS及最新版本；和OpenJDK一样，AdoptOpenJDK 也支持 GPL 协议且免费，不同的是OpenJDK只会由Oracle提供6个月的安全更新，而AdoptOpenJDK则由社区提供至少4年的免费长期支持（LTS）。

2）选择JDK15的原因： 

• JDK11存在小概率crash的问题

• ZGC在JDK15版本正式生产环境可用

2.2 编译HBase（基于AdoptOpenJDK15）

滴滴内部使用的HBase版本是基于社区1.4.8基础上开发的版本，不支持JDK11及以上版本的编译，所以需要解决一些编译问题。

社区3.x及2.3.x版本开始支持JDK11，参考 HBASE-22972。在1.4.8版本的编译过程中，主要遇到了以下几类编译问题：

• 1. 部分类找不到或被删除，比如javax.xml.ws.http.HTTPException。解决办法：找到替换类或依赖包；

• 2. 一些类不可读，比如sun.nio.ch.DirectBuffer。解决办法：运行时添加--add-exports=java.base/sun.nio.ch=ALL-UNNAMED；

• 3. 依赖的组件包不支持JDK15，如Jetty、Jruby等。解决办法：升级对应的组件到高版本；

• 4. 编译插件不支持JDK15，如maven-shade-plugin、extra-enforcer-rules等。解决办法：升级对应的插件到高版本。

2.3 应用ZGC的效果：

1、顺序读场景ZGC和G1性能表现对比

Scan场景下，ZGC的P99延迟降低20%，P999降低40%。

2、压力测试场景对比ZGC和G1的性能表现

构造写压力测试场景，RegionServer的全局Memstore写满，触发Upper Limit，G1GC回收不过来，触发Full GC，耗时超过40s（ZK会话的超时时间），RS服务会宕机。

对比同等写入压力下，ZGC 99.93%的回收时间都在10ms以内，只有2次在10~20ms之间，RS服务未宕机。

备注：如果内存分配过快，ZGC也可能会出现回收不过来的问题，这种情况下可以通过增大堆内存的方式缓解。

HBase使用ZGC可以有效的降低了服务端P99及P999的延时，非常适合对延迟较敏感的业务场景。

3. 

总结

HBase在真正海量数据的离线应用场景下具备毋庸置疑的竞争力，但受其自身实现短板的限制，距离端上应用的标准还是存在一定距离的。滴滴HBase希望通过一系列优化手段，服务好离线业务的同时，未来可以接入更多的不涉及核心流程的线上/类线上业务，欢迎感兴趣的同学一起交流。 

本文作者

▬

团队招聘

▬

滴滴大数据架构离线引擎&HBase 团队主要负责滴滴集团大数据离线存储、离线计算、NoSQL 等引擎的开发与运维工作，通过持续应用和研发新一代大数据技术，构建稳定可靠、低成本、高性能的大数据基础设施，更多赋能业务，创造更多价值。

 

团队持续招聘 HDFS、YARN，Spark，HBase 等领域专家，参与滴滴大数据架构的建设工作，欢迎加入。

 

可投递简历到 [email protected]，邮件主题请命名为「姓名-应聘部门-应聘方向」。

扫码了解更多岗位

延伸阅读

▬

内容编辑 | Teeo

联系我们 | [email protected]