背景
hbase主集羣在生產環境已穩定運行有1年半時間，最大的單表region數已達7200多個，每天新增入庫量就有百億條，對hbase的認識經歷了懵懂到熟的過程。爲了應對業務數據的壓力，hbase入庫也由最初的單機多線程升級爲有容災機制的分佈式入庫，爲及早發現集羣中的問題，還開發了一套對hbase集羣服務和應用全面監控的報警系統。總結下hbase化(針對0.94版本)方面的一些經驗也算對這兩年hbase工作的一個描述。
服務端
1.hbase.regionserver.handler.count：rpc請求的線程數量，默認值是10，生產環境建議使用100，也不是越大越好，特別是當請求內容很大的時候，比如scan/put幾M的數據，會佔用過多的內存，有可能導致頻繁的GC，甚至出現內存溢出。
2.hbase.master.distributed.log.splitting：默認值爲true，建議設爲false。關閉hbase的分佈式日誌切割，在log需要replay時，由master來負責重放
3.hbase.regionserver.hlog.splitlog.writer.threads：默認值是3，建議設爲10，日誌切割所用的線程數
4.hbase.snapshot.enabled：快照功能，默認是false(不開啓)，建議設爲true，特別是對某些關鍵的表，定時用快照做備份是一個不錯的選擇。
5.hbase.hregion.max.filesize：默認是10G， 如果任何一個column familiy裏的StoreFile超過這個值, 那麼這個Region會一分爲二，因爲region分裂會有短暫的region下線時間(通常在5s以內)，爲減少對業務端的影響，建議手動定時分裂，可以設置爲60G。
6.hbase.hregion.majorcompaction：hbase的region主合併的間隔時間，默認爲1天，建議設置爲0，禁止自動的major主合併，major合併會把一個store下所有的storefile重寫爲一個storefile文件，在合併過程中還會把有刪除標識的數據刪除，在生產集羣中，主合併能持續數小時之久，爲減少對業務的影響，建議在業務低峯期進行手動或者通過腳本或者api定期進行major合併。
7.hbase.hregion.memstore.flush.size：默認值128M，單位字節，一旦有memstore超過該值將被flush，如果regionserver的jvm內存比較充足(16G以上)，可以調整爲256M。
8.hbase.hregion.memstore.block.multiplier：默認值2，如果一個memstore的內存大小已經超過hbase.hregion.memstore.flush.size * hbase.hregion.memstore.block.multiplier，則會阻塞該memstore的寫操作，爲避免阻塞，建議設置爲5，如果太大，則會有OOM的風險。如果在regionserver日誌中出現"Blocking updates for '<threadName>' on region <regionName> : memstore size <多少M> is >= than blocking <多少M> size"的信息時，說明這個值該調整了。
9.hbase.hstore.compaction.min：默認值爲3，如果任何一個store裏的storefile總數超過該值，會觸發默認的合併操作，可以設置5~8，在手動的定期major compact中進行storefile文件的合併，減少合併的次數，不過這會延長合併的時間，以前的對應參數爲hbase.hstore.compactionThreshold。
10.hbase.hstore.compaction.max：默認值爲10,一次最多合併多少個storefile，避免OOM。
11.hbase.hstore.blockingStoreFiles：默認爲7，如果任何一個store(非.META.表裏的store)的storefile的文件數大於該值，則在flush memstore前先進行split或者compact，同時把該region添加到flushQueue，延時刷新，這期間會阻塞寫操作直到compact完成或者超過hbase.hstore.blockingWaitTime(默認90s)配置的時間，可以設置爲30，避免memstore不及時flush。當regionserver運行日誌中出現大量的“Region <regionName> has too many store files; delaying flush up to 90000ms"時，說明這個值需要調整了
12.hbase.regionserver.global.memstore.upperLimit：默認值0.4，regionserver所有memstore佔用內存在總內存中的upper比例，當達到該值，則會從整個regionserver中找出最需要flush的region進行flush，直到總內存比例降到該數以下，採用默認值即可。
13.hbase.regionserver.global.memstore.lowerLimit：默認值0.35，採用默認值即可。
14.hbase.regionserver.thread.compaction.small：默認值爲1，regionserver做Minor Compaction時線程池裏線程數目,可以設置爲5。
15.hbase.regionserver.thread.compaction.large：默認值爲1，regionserver做Major Compaction時線程池裏線程數目，可以設置爲8。
16.hbase.regionserver.lease.period：默認值60000(60s)，客戶端連接regionserver的租約超時時間，客戶端必須在這個時間內彙報，否則則認爲客戶端已死掉。這個最好根據實際業務情況進行調整
17.hfile.block.cache.size：默認值0.25，regionserver的block cache的內存大小限制，在偏向讀的業務中，可以適當調大該值，需要注意的是hbase.regionserver.global.memstore.upperLimit的值和hfile.block.cache.size的值之和必須小於0.8。
18.dfs.socket.timeout：默認值60000(60s)，建議根據實際regionserver的日誌監控發現了異常進行合理的設置，比如我們設爲900000，這個參數的修改需要同時更改hdfs-site.xml
19.dfs.datanode.socket.write.timeout：默認480000(480s),有時regionserver做合併時，可能會出現datanode寫超時的情況，480000 millis timeout while waiting for channel to be ready for write，這個參數的修改需要同時更改hdfs-site.xml
jvm和垃圾收集參數：
export HBASE_REGIONSERVER_OPTS="-Xms36g -Xmx36g -Xmn1g -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:+UseCMSCompactAtFullCollection -XX:CMSFullGCsBeforeCompaction=15 -XX:CMSInitiatingOccupancyFraction=70 -verbose:gc -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -Xloggc:/data/logs/gc-$(hostname)-hbase.log"
由於我們服務器內存較大(96G),我們給一部分regionserver的jvm內存開到64G，到現在爲止，還沒有發生過一次full gc，hbase在內存使用控制方面確實下了不少功夫，比如各種blockcache的實現，細心的同學可以看源碼。
Client端
1.hbase.client.write.buffer：默認爲2M，寫緩存大小，推薦設置爲5M，單位是字節，當然越大佔用的內存越多，此外測試過設爲10M下的入庫性能，反而沒有5M好
2.hbase.client.pause：默認是1000(1s),如果你希望低延時的讀或者寫，建議設爲200，這個值通常用於失敗重試，region尋找等
3.hbase.client.retries.number：默認值是10，客戶端最多重試次數,可以設爲11，結合上面的參數，共重試時間71s
4.hbase.ipc.client.tcpnodelay：默認是false，建議設爲true，關閉消息緩衝
5.hbase.client.scanner.caching：scan緩存，默認爲1，避免佔用過多的client和rs的內存，一般1000以內合理，如果一條數據太大，則應該設置一個較小的值，通常是設置業務需求的一次查詢的數據條數
如果是掃描數據對下次查詢沒有幫助，則可以設置scan的setCacheBlocks爲false，避免使用緩存；
6.table用完需關閉，關閉scanner
7.限定掃描範圍：指定列簇或者指定要查詢的列，指定startRow和endRow
8.使用Filter可大量減少網絡消耗
9.通過java多線程入庫和查詢，並控制超時時間。後面會共享下我的hbase單機多線程入庫的代碼
10.建表注意事項：
開啓壓縮
合理的設計rowkey
進行預分區
開啓bloomfilter
zookeeper調優
1.zookeeper.session.timeout：默認值3分鐘，不可配置太短，避免session超時，hbase停止服務，線上生產環境由於配置爲1分鐘，如果太長，當regionserver掛掉，zk還得等待這個超時時間(已有patch修復)，從而導致master不能及時對region進行遷移。
2.zookeeper數量：建議5個或者7個節點。給每個zookeeper 4G左右的內存，最好有獨立的磁盤。
3.hbase.zookeeper.property.maxClientCnxns：zk的最大連接數，默認爲300，無需調整。
4.設置操作系統的swappiness爲0，則在物理內存不夠的情況下才會使用交換分區，避免GC回收時會花費更多的時間，當超過zk的session超時時間則會出現regionserver宕機的誤報
hdfs調優
1.dfs.name.dir：namenode的數據存放地址，可以配置多個，位於不同的磁盤並配置一個nfs遠程文件系統，這樣namenode的數據可以有多個備份
2.dfs.namenode.handler.count：namenode節點RPC的處理線程數，默認爲10，可以設置爲60
3.dfs.datanode.handler.count：datanode節點RPC的處理線程數，默認爲3，可以設置爲30
4.dfs.datanode.max.xcievers：datanode同時處理文件的上限，默認爲256，可以設置爲8192
其它
列族名、column名、rowkey均會存儲到hfile中，因此這幾項在設計表結構時都儘量短些
regionserver的region數量不要過1000，過多的region會導致產生很多memstore，可能會導致內存溢出，也會增加major compact的耗時。
結語
感謝您的觀看，如有不足之處，歡迎批評指正。
如果有對大數據感興趣的小夥伴或者是從事大數據的老司機可以加羣：
658558542
歡迎大家交流分享，學習交流，共同進步。（裏面還有大量的免費資料，幫助大家在成爲大數據工程師，乃至架構師的路上披荊斬棘！）
最後祝福所有遇到瓶頸的大數據程序員們突破自己，祝福大家在往後的工作與面試中一切順利。