背景
HBase是目前主流的Nosql數據庫之一，由於其優秀的水平擴展能力，業界常將其用來存儲海量級的數據。在我們使用HBase的時候，爲了節省服務器的存儲成本，建議開啓HBase的數據壓縮特性。主流的HBase壓縮方式有LZO和Snappy，Snappy的壓縮比會稍微優於LZO。需要注意的是，Snappy是需要單獨下載並編譯安裝的，此過程不在本文討論範文之內，本文主要介紹如何通過HBase shell來開啓Snappy壓縮。
步驟
指定Snappy的場景有兩種：
- 創建時指定格式。
- 修改已經創建好的列族的壓縮格式。
創建
我們可以在一開始創建表的時候就指定Snappy壓縮格式：
hbase> create 'test', { NAME => 'c', COMPRESSION => 'SNAPPY' }
hbase> describe 'test'
Table test is ENABLED
test
COLUMN FAMILIES DESCRIPTION
{NAME => 'c', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', REPLICATION_SCOPE => '0', VERSIONS => '1', COMPRESSION => 'SNAPPY', MIN_VERSIONS => '0', TTL => 'FOREVER', KEEP
_DELETED_CELLS => 'FALSE', BLOCKSIZE => '65536', IN_MEMORY => 'false', BLOCKCACHE => 'true'}
修改
通過describe，我們可以看到test表的壓縮格式爲SNAPPY。
假設我們已經有了一張表，並且表裏也有了數據，我們照樣可以在表上添加Snappy壓縮格式。
我們以test表爲例
1.我們先創建一張不含任何壓縮格式的test表，並且向其導入10多G的數據：
我們可以看到，在未壓縮之前，test表的數據在hdfs上一共佔用了12.2G的磁盤空間
$ hadoop fs -du -h /hbase/data/default/
12.2 G /hbase/data/default/test
2.然後disable test表：
hbase> disable 'test'
3.修改壓縮格式：
需要注意的是，修改壓縮格式時，必須一個列族一個列族的改
hbase> alter 'test', NAME => 'c', COMPRESSION => 'snappy'
4.enable test表：
hbase> enable 'test'
5.enable之後，還需要做一次大合併才能讓壓縮格式生效：
需要注意的是，千萬不要在表繁忙期間執行大合併操作
hbase> major_compact 'test'
6.describe test表看一下有沒有生效：
hbase> describe 'test'
Table test is ENABLED
test
COLUMN FAMILIES DESCRIPTION
{NAME => 'c', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', REPLICATION_SCOPE => '0', VERSIONS => '1', COMPRESSION => 'SNAPPY', MIN_VERSIONS => '0', TTL => 'FOREVER', KEEP
_DELETED_CELLS => 'FALSE', BLOCKSIZE => '65536', IN_MEMORY => 'false', BLOCKCACHE => 'true'}
7.最後我們看一下，開啓了Snappy之後的壓縮比：
我們可以看到將近壓縮了33%，還是十分可觀的
$ hadoop fs -du -h /hbase/data/default/
8.1 G /hbase/data/default/test
總結
本文主要介紹瞭如何利用HBase shell在表上開啓Snappy壓縮。通過實踐表明，Snappy擁有較高的壓縮比。通過開啓Snappy壓縮，企業可以極大地節省磁盤存儲成本，尤其是當企業採用SSD存儲時，節省的成本將會更多。