HBase随机读写性能测试

[复制链接]
admin 发表于 2019-2-27 15:00:53 | 显示全部楼层 |阅读模式
本文转载自淘宝网BlueDavy同学的博客,文章基于淘宝对HBase的大量应用,给出了一个HBase的随机读写性能测试结果,对测试环境、配置及性能参数分析都有较详细的描述,推荐给各位NoSQL Fans。
根据最近生产环境使用的经验,更多的项目的采用,以及采用了更加自动的测试平台,对HBase做了更多的场景的测试,在这篇blog中来分享下纯粹的随机写和随机读的性能数据,同时也分享下我们调整过后的参数。
测试环境说明:
  • 1、Region Server: 5台,12块1T SATA盘(7200 RPM),No Raid,物理内存24G,CPU型号为E5620;启动参数为:-Xms16g -Xmx16g -Xmn2g -XX:SurvivorRatio=2 -XX:+UseCMSInitiatingOccupancyOnly -XX:CMSInitiatingOccupancyFraction=85
  • 2、Data Node:35台,和Region Server同样的硬件配置,启动参数上-Xms2g -Xmx2g,未设置-Xmn;
服务端参数:
  • hbase.replication        false
  • hbase.balancer.period        1200000
  • hfile.block.cache.size        0.4,随机读20%命中场景使用0.01
  • hbase.regionserver.global.memstore.upperLimit        0.35
  • hbase.hregion.memstore.block.multiplier        8
  • hbase.server.thread.wakefrequency        100
  • hbase.regionserver.handler.count        300
  • hbase.master.distributed.log.splitting        false
  • hbase.regionserver.hlog.splitlog.writer.threads        3
  • hbase.hregion.max.filesize        1073741824
  • hbase.hstore.blockingStoreFiles        20
  • hbase.hregion.memstore.flush.size        134217728
客户端参数:
  • hbase.client.retries.number        11
  • hbase.client.pause        20
  • hbase.ipc.client.tcpnodelay        true
  • ipc.ping.interval        3000
最终随机写的测试性能结果如下(点开可看大图):
从写的测试来看,可以看到,当客户端线程数在250左右时,此时的响应时间在6ms左右,tps在7.5k左右,差不多是比较好的一个状态。
在随机写的测试中,以及我们的一些项目的测试中,看到的一些现象和问题:
  • 1、随着单台机器的region数变多了,tps下降的比较明显,team的同事做了一个改进,保障了随着region数的增多,tps基本不会有太多的下降,具体请见同事的这篇blog
  • 2、当hbase.regionserver.handler.count为100(默认为10,更正常了)时,压力大的情况下差不多100个线程都会BLOCKED,增加到300后差不多足够了,此时tps也到达瓶颈了;
  • 3、当datanode数量比较少时,会导致写tps比较低,原因是此时compact会消耗掉太多的网络IO;
  • 4、当写采用gz压缩时,会造成堆外内存泄露,具体请参见同事的这篇blog
  • 5、在压力增大、region数增多的情况下,split和flush会对写的平稳性造成比较大的影响,而通常内存是够用的,因此可以调整split file size和memstore flush size,这个要根据场景来决定是否可调整。
对写的速度影响比较大的因素主要是:请求次数的分布均衡、是否出现Blocking Update或Delaying flush、HLog数量、DataNode数量、Split File Size。
随机读的测试性能结果如下(点开可看大图):
从读的测试来看,可以看到,读的tps随cache命中率降低会下降的比较厉害,命中率为90%时、客户端线程数为250时,此时的响应时间和tps是比较不错的状况。
在随机读的测试中,以及我们的一些项目的测试中,看到的一些现象和问题:
  • 1、随机读的tps随着命中率下降,下降的有点太快,具体原因还在查找和分析中;
  • 2、当命中率很低时,读bloomfilter的索引信息需要耗费掉比较多的时间,主要原因是bloomfilter的索引信息并没有在cache优先级中占优,这是一个可以改进的点。
对读的速度影响比较大的因素主要是:请求次数的分布均衡、StoreFile数量、BloomFilter是否打开、Cache大小以及命中率。
ps: 强烈推荐同事的blog,其中记录了很多我们对HBase的改进,以及我们在运维HBase项目时碰到的各种奇怪、诡异的问题。

【智云杂货铺 bbs.0936sht.com】
回复 论坛版权

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则