1、介绍：
大约一年前，有人要求我为一个时间序列产品调优 HBase 的读写性能。该产品在 AWS i2.4XL 中使用 10 个数据节点，并有 15 个计算节点，其中 10 个用于连续写入，5 个用于读取并运行来自这些数据节点的批处理作业。大多数计算节点都在 r3.xl 上
我们的目标是实现每分钟 1000 万个指标的提取和读取。有一些批处理作业将在协处理器内运行，用于处理这些数据节点上过去 10 分钟和 1 小时的数据。需要对整个集群进行调整。
在本文中，我将仅关注 HBase 客户端调优以及客户端面临的问题和调优方法。当然，这还需要调优 HBase 服务器端，我将在另一个主题中介绍这一点。本文将介绍以下 3 个客户端配置
- 不要使用单个Put，而是批量List<Put>
- 如何控制每个 RegionServer 的 HBase 客户端连接数/Socket 数
- 使用通用连接并共享池
2、开始压测：
我使用 2 Mil/min 指标进行了负载测试，运行了大约一个小时，希望这会起作用。但与大多数假设一样，这个假设也是短暂的，并经历了失败。看起来系统无法处理压力。
2.1）Call queue is full is ipc.server.max.callqueue.size too small?
当我检查日志时，我发现几乎每个计算节点都抛出了这个错误：
java.util.concurrent.ExecutionException: java.io.IOException: Call queue is full is ipc.server.max.callqueue.size too small? ...
看起来callqueue正在排队，我应该增加这个大小吗？
从以往的经历来看："要解决问题，总是先看大局"。原因如下：从异常来看，增加 hbase.ipc.server.max.callqueue.size大小似乎可以解决问题。但是，您需要解释或证明此更改的合理性，以及为什么默认值不够？
当阅读有关此参数的信息时，发现默认值为1G（1024*1024*1024），并且增加此值会对 HBase 内存产生一些副作用，RegionServer可能会内存不足------如果队列大小超过 1GB ，虽然区域服务器将智能地丢弃新调用，但仍可能出现 OOM。
因此，在进行此更改之前，让我们先找出为什么队列已满，或者为什么这个队列也被使用？
理论上，如果您对一个区域服务器进行大量 IPC 调用，或者所有调用都集中在一个区域服务器上，就会发生这种情况，热点？
在这种情况下，数据分布均匀，我们在这个集群上没有看到任何热点。所以我怀疑我们是否对服务器进行了大量调用？
然后我深入研究我们的代码，看到了这个：
java
Put p = new Put(Bytes.toBytes("xxxxxx"));
p.add(Bytes.toBytes("xxxx"), Bytes.toBytes("someQualifier"),
Bytes.toBytes("Some Value"));
table.put(p);从上面的代码片段中，可以看到整个集群在一分钟内将执行多少个 put 操作。这里的复杂度是 O(n)，在我们的例子中，O(n) 将解析为我们发送的指标数量。这里的负载是 200 万/分钟，所以在一分钟内，我们调用 put 200 万次，并且每个 read 调用也将使用自己的一组 IPC。看起来现在很明显为什么我们在每个计算节点上都会遇到异常。
这里的更改是批处理 PUT 并重新运行测试。现在，我们不再逐一写入，而是使用以下更改每 10 秒写入一次。
java
table.put(List<Put> puts)自从更改以来，我们从未遇到过这种异常。
2.2）SocketTimeOut：
对于 2 百万/分钟公制来说，它有效。耶！！！现在，让我们升级游戏并运行 5 mil/min 的公制负载。开始加载，一切看起来都很好，没有更多的队列大小警告或错误。但是，嘿，它又失败了！
这次集群经历了很多事情。由于所有这些问题的相关性，我将一次性涵盖所有这些问题，以下是面临的 4 个问题的列表：
- HBase 客户端/计算节点在写入时永远卡住，并且 HBase 客户端线程永远处于 TIMED_WAIT 状态。
- 在高负载的计算节点上，开始在写入和读取时抛出套接字超时。
- 写入和读取吞吐量缓慢。
- 无法达到每分钟 1000 万次的目标。
我们开始在所有计算节点上收到以下异常，这里的异常是读取，但也出现了相同的写入堆栈。
java
2016-01-22 22:10:47.257 HBase READ-23 WARN o.a.h.hbase.client.ScannerCallable -- Ignore, probably already closed
java.net.SocketTimeoutException: Call to ip-xx-xxx-xxx-xxx/xx.xxx.xxx.xxx:60020 failed because java.net.SocketTimeoutException: 60000 millis timeout while waiting for channel to be ready for read. ch : java.nio.channels.SocketChannelconnected local=/xx.xxx.xxx.xxx:44064 remote=ip-xx.xxx.xxx.xxx/xx.xxx.xxx.xxx:60020
at org.apache.hadoop.hbase.ipc.RpcClient.wrapException(RpcClient.java:1486) ~hbase-client-0.98.12.1-hadoop2.jar:0.98.12.1-hadoop2
at org.apache.hadoop.hbase.ipc.RpcClient.call(RpcClient.java:1461) ~hbase-client-0.98.12.1-hadoop2.jar:0.98.12.1-hadoop2
at org.apache.hadoop.hbase.ipc.RpcClient.callBlockingMethod(RpcClient.java:1661) ~hbase-client-0.98.12.1-hadoop2.jar:0.98.12.1-hadoop2
at为什么会出现套接字超时异常？ 我能想到的这个例外有两个原因：
- HBase服务器读写返回慢
- 客户端无法连接到服务器并超时。线程/连接拥塞？
如果您遇到"1"，那么增加 hbase.rpc.timeout 可能是您的解决方案，但您很可能最终也会遇到"2"。对于我们的案例 1 不是原因。怎样说呢？我们在RegionServer上启用了调试日志记录，它会打印扫描所需的时间。每次调用几乎不需要 5-10 毫秒。所以对于我们来说，HBase 服务器响应不是问题。
现在让我们关注 2，如果您使用默认的 hbase-client 属性，大多数人也会遇到这种情况。 在研究了其中一个计算节点后，我注意到 HBase 客户端默认情况下只为每个 RegionServer 创建一个连接。当负载启动并运行时，我使用以下命令查看与 RegionServer 建立的 HBase 连接数。
java
netstat -an | grep 60020 | grep EST令我惊讶的是，对于每个 RegionServer，该进程只建立了一个连接。这解释了超时。只有一个连接？似乎这是默认的 HBase 客户端行为。还不知道为什么？
我随后搜索了 HBase 连接设置并找到了以下属性：
java
<property>
<name>hbase.client.ipc.pool.type</name>
<value>RoundRobinPool</value>
</property>
<property>
<name>hbase.client.ipc.pool.size</name>
<value>20</value>
</property>这个 hbase.client.ipc.pool.size 属性有什么作用？ 对于每个客户端连接，根据负载，它将创建到每个 RegionServer 的 20 个连接。并且连接将以循环方式使用。对于这个测试台，上述值已经足够好了。 我们再次搞定了它，再次运行测试，从那以后再也没有见过套接字超时异常。