Стратегии сжатия и оптимизации хранения данных в HBase
Стратегии сжатия и оптимизации хранения данных в HBase

Обзор сжатия данных HBase

1 Принцип сжатия данных HBase

Сжатие данных в HBase в основном достигается за счет сжатия файлов HFile. HFile — это базовый формат файла, хранящийся в HBase в HDFS. Каждый файл HFile содержит один или несколько блоков данных (блоков), и эти блоки данных можно сжимать с использованием различных алгоритмов сжатия. Когда данные записываются в HBase, они сначала записываются в MemStore в памяти, а затем сбрасываются на диск для создания файла HFile. В процессе создания файлов HFile блоки данных сжимаются в соответствии с настроенным алгоритмом сжатия.

2 Общие алгоритмы сжатия

HBase поддерживает несколько алгоритмов сжатия, наиболее распространенными являются следующие:

Алгоритм сжатия

преимущество

недостаток

GZIP

Обеспечивает высочайшую степень сжатия, подходящую для сценариев с высокими требованиями к пространству хранения.

Сжатие и распаковка выполняются медленно и потребляют много ресурсов процессора.

SNAPPY

Сжатие и распаковка выполняются быстро и подходят для сценариев с высокими требованиями к производительности.

Степень сжатия относительно низкая, подходит для сценариев, не требующих большого объема памяти.

LZO

Обеспечивает более высокую степень сжатия и более высокую скорость сжатия, что подходит для сценариев со строгими требованиями к производительности.

Требуется дополнительная установка библиотеки LZO, а совместимость разных платформ может различаться.

LZ4

Обеспечивает очень высокую скорость сжатия и распаковки, подходящую для сценариев, чувствительных к задержке.

Степень сжатия относительно низкая, подходит для сценариев, не требующих большого объема памяти.

Применимые сценарии сжатия данных HBase

1 Большое количество приложений, требующих большого объема памяти.

В сценариях, когда необходимо хранить большие объемы данных, сжатие данных может эффективно сократить использование дискового пространства.

Например, такие приложения, как хранение журналов и сбор данных датчиков, обычно генерируют большой объем структурированных или полуструктурированных данных. Эти данные имеют определенную степень избыточности и подходят для сжатия, чтобы уменьшить требования к хранению.

2 Высокопроизводительные приложения для чтения

В некоторых сценариях, хотя сжатие данных увеличивает нагрузку на ЦП при записи, при чтении, поскольку блоки данных меньше, запросы на чтение могут загружаться в память быстрее, тем самым повышая производительность чтения. Использование алгоритмов сжатия, таких как SNAPPY или LZ4, особенно в некоторых приложениях, основанных на запросах, может сэкономить место для хранения, обеспечивая при этом производительность.

Настройка и реализация сжатия данных HBase

  1. Настройте алгоритм сжатия таблицы HBase.

Чтобы включить сжатие данных в таблице HBase, вам необходимо настроить алгоритм сжатия семейства столбцов при создании или изменении таблицы. Ниже приведен пример кода для настройки алгоритма сжатия GZIP:

Язык кода:java
копировать
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.TableDescriptor;
import org.apache.hadoop.hbase.client.TableDescriptorBuilder;
import org.apache.hadoop.hbase.io.compress.Compression;
import org.apache.hadoop.hbase.regionserver.BloomType;

public class HBaseCompressionExample {
    public static void main(String[] args) {
        Configuration config = HBaseConfiguration.create();
        try (Connection connection = ConnectionFactory.createConnection(config);
             Admin admin = connection.getAdmin()) {

            // Создать имя таблицы
            TableName tableName = TableName.valueOf("compressed_table");

            // Создайте дескриптор семейства столбцов и установите Алгоритм. сжатиядляGZIP            TableDescriptor tableDescriptor = TableDescriptorBuilder.newBuilder(tableName)
                    .setColumnFamily(TableDescriptorBuilder.newColumnFamilyDescriptor("data")
                            .setCompressionType(Compression.Algorithm.GZIP) // настраивать Алгоритм сжатия
                            .setBloomFilterType(BloomType.ROW))
                    .build();

            // Создать таблицу
            admin.createTable(tableDescriptor);
            System.out.println("Table created with GZIP compression.");

        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

В приведенном выше коде,мы проходимTableDescriptorBuilderиTableDescriptorКласс настраивает Алгоритм сжатиядляGZIPэтнических групп,и создал имядляcompressed_tableстол。

  1. Изменить алгоритм сжатия существующей таблицы

Если вам нужно выполнить Алгоритм на существующей таблице сжатиямодификации,может пройтиalterTableРеализация метода。Ниже приведена существующая таблица Алгоритм Пример кода для изменения сжатия с GZIP на SNAPPY:

Язык кода:java
копировать
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.ColumnFamilyDescriptor;
import org.apache.hadoop.hbase.client.ColumnFamilyDescriptorBuilder;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.TableDescriptor;
import org.apache.hadoop.hbase.client.TableDescriptorBuilder;
import org.apache.hadoop.hbase.io.compress.Compression;

public class HBaseCompressionChangeExample {
    public static void main(String[] args) {
        Configuration config = HBaseConfiguration.create();
        try (Connection connection = ConnectionFactory.createConnection(config);
             Admin admin = connection.getAdmin()) {

            // Получить имя таблицы
            TableName tableName = TableName.valueOf("compressed_table");

            // Получить текущий дескриптор таблицы
            TableDescriptor tableDescriptor = admin.getDescriptor(tableName);

            // Получите текущий дескриптор семейства столбцов и установите новый алгоритм. сжатиядляSNAPPY            ColumnFamilyDescriptor columnFamilyDescriptor = tableDescriptor.getColumnFamily("data".getBytes());
            ColumnFamilyDescriptor newColumnFamilyDescriptor = ColumnFamilyDescriptorBuilder.newBuilder(columnFamilyDescriptor)
                    .setCompressionType(Compression.Algorithm.SNAPPY)
                    .build();

            // Перестроить дескрипторы таблиц, используя новые дескрипторы семейств столбцов.
            TableDescriptor newTableDescriptor = TableDescriptorBuilder.newBuilder(tableDescriptor)
                    .modifyColumnFamily(newColumnFamilyDescriptor)
                    .build();

            // Обновить таблицу Алгоритма сжатия
            admin.modifyTable(newTableDescriptor);
            System.out.println("Table compression algorithm changed to SNAPPY.");

        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

Приведенный выше код изменяет алгоритм сжатия существующей таблицы, получая существующий дескриптор таблицы, затем изменяя алгоритм сжатия семейства столбцов и обновляя конфигурацию таблицы.

Стратегия оптимизации хранилища HBase

Помимо сжатия данных, у HBase есть и другие стратегии оптимизации хранилища, которые могут помочь нам еще больше повысить эффективность хранения и производительность чтения.

1 Раздел данных и управление регионами

Стратегия оптимизации

иллюстрировать

Применимые сценарии

предварительно разделенный

Разделение на основе ожидаемого диапазона ключей строк во время создания таблицы, чтобы уменьшить количество горячих точек данных.

Подходит для сценариев, в которых доступ к данным относительно однороден, чтобы избежать чрезмерной нагрузки на один регион.

Регион автоматически разделяется

Когда размер региона превышает пороговое значение, он автоматически разделяется на два региона.

Подходит для сценариев, в которых объем данных продолжает расти, чтобы избежать проблем с производительностью, вызванных слишком большим размером одного региона.

Разделение регионов вручную

Разделите регионы вручную в соответствии с потребностями бизнеса, чтобы точно контролировать распределение данных.

Подходит для сценариев, требующих точного контроля над распределением данных, например, для конкретных пользовательских данных, которые необходимо хранить отдельно.

2 Сжатие и объединение файлов HFile

Стратегия оптимизации

иллюстрировать

Применимые сценарии

Сжатие файлов

Сжимайте файлы HFile, чтобы уменьшить использование места для хранения.

Подходит для приложений с интенсивным использованием хранилища, особенно в сценариях с высокой избыточностью данных.

Объединение файлов HFile

Регулярно объединяйте небольшие файлы HFile в файлы большего размера, чтобы уменьшить фрагментацию файлов.

Подходит для сценариев с частыми операциями записи, чтобы избежать влияния большого количества небольших файлов на производительность чтения.

3 Как использовать фильтр Блума

Стратегия оптимизации

иллюстрировать

Применимые сценарии

Фильтр Блума на уровне строки

Чтение

При формировании данных сначала используется фильтр Блума, чтобы определить, существует ли ключ целевой строки, чтобы уменьшить ненужный дисковый ввод-вывод.

Фильтр Блума на уровне семейства колонн

Включите фильтры Блума на основе требований к семейству столбцов для дальнейшей оптимизации эффективности запросов.

Подходит для семейств столбцов, которым требуются точные запросы, чтобы уменьшить количество проверок недействительных данных.

Настройка и реализация стратегий оптимизации хранилища

1 Конфигурацияпредварительно разделенный

существовать Создать таблицучас,может пройти Конфигурацияпредварительно разделенный для оптимизации хранения и доступа к данным. Ниже приводится предварительная информация. Пример кода для разделенного:

Язык кода:java
копировать
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.TableDescriptor;
import org.apache.hadoop.hbase.client.TableDescriptorBuilder;
import org.apache.hadoop.hbase.client.RegionInfo;
import org.apache.hadoop.hbase.client.RegionInfoBuilder;
import org.apache.hadoop.hbase.util.Bytes;

public class HBasePreSplitExample {
    public static void main(String[] args) {
        Configuration config = HBaseConfiguration.create();
        try (Connection connection = ConnectionFactory.createConnection(config);
             Admin admin = connection.getAdmin()) {

            // Создать имя таблицы
            TableName tableName = TableName.valueOf("pre_split_table");

            // определениепредварительно Диапазон ключей строк для разделенного
            byte[][] splitKeys = new byte[][] {
                    Bytes.toBytes("region1"),
                    Bytes.toBytes("region2"),
                    Bytes.toBytes("region3")
            };

            // Создать таблицудескриптор Конфигурацияпредварительно разделенный
            TableDescriptor tableDescriptor = TableDescriptorBuilder.newBuilder(tableName)
                    .setColumnFamily(TableDescriptorBuilder.newColumnFamilyDescriptor("data"))
                    .build();

            // Создать таблицучасобозначениепредварительно разделенный
            admin.createTable(tableDescriptor, splitKeys);
            System.out.println("Table created with pre-split regions.");

        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

Приведенный выше кодсуществовать Создать таблицучас,проходитьsplitKeysПараметры указаныпредварительно Диапазон ключей строк для разделенного,Это позволяет избежать горячих точек данных,Оптимизируйте хранение данных и производительность чтения.

2 Конфигурация Объединение файлов Стратегия HFile

Чтобы уменьшить влияние небольших файлов, вы можете настроить стратегию слияния HFile. Ниже приведен пример кода для настройки Объединения файлов HFile:

Язык кода:xml
копировать
<property>
    <name>hbase.hstore.compactionThreshold</name>
    <value>3</value>
    <description>Порог количества файлов для запуска слияния</description>
</property>

<property>
    <name>hbase.hstore.compaction.max</name>
    <value>10</value>
    <description>Максимальное количество файлов в одном слиянии</description>
</property>

существоватьhbase-site.xmlКонфигурацияв файле,насможет пройтиhbase.hstore.compactionThresholdиhbase.hstore.compaction.maxпараметры для контроляHFileСтратегия объединения。

3 Настроить фильтр Блума

При создании или изменении таблиц вы можете использовать Настроить фильтр Блума для оптимизации производительности запросов. Ниже приведен пример кода для настройки фильтра Блума на уровне строки:

Язык кода:java
копировать
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.TableDescriptor;
import org.apache.hadoop.hbase.client.TableDescriptorBuilder;
import org.apache.hadoop.hbase.regionserver.BloomType;

public class HBaseBloomFilterExample {
    public static void main(String[] args) {
        Configuration config = HBaseConfiguration.create();
        try (Connection connection = ConnectionFactory.createConnection(config);
             Admin admin = connection.getAdmin()) {

            // Создать имя таблицы
            TableName tableName = TableName.valueOf("bloom_filter_table");

            // Создайте дескриптор семейства столбцов и установите тип фильтра Блума на ROW.
            TableDescriptor tableDescriptor = TableDescriptorBuilder.newBuilder(tableName)
                    .setColumnFamily(TableDescriptorBuilder.newColumnFamilyDescriptor("data")
                            .setBloomFilterType(BloomType.ROW))
                    .build();

            // Создать таблицу
            admin.createTable(tableDescriptor);
            System.out.println("Table created with Row-level Bloom filter.");

        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

В приведенном выше коде,мы проходимsetBloomFilterTypeметоддлякланы Конфигурация Понятно Фильтр Блума на уровне строки для оптимизации производительности запросов.

Конец этой статьи——》——》

Поскольку масштабы данных продолжают расти, а потребности бизнеса продолжают меняться, стратегия хранения данных HBase оптимизация также постоянно развивается. С улучшенной производительностью оборудования и новым алгоритмом С введением сжатия эффективность хранения и производительность HBase будут улучшены. В то же время, поскольку сообщество HBase продолжает развиваться, новая Стратегия Оптимизация и инструменты также будут продолжать появляться, чтобы помочь пользователям лучше управлять и оптимизировать свои системы хранения данных.

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native｜Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose
©