读取几百万条记录后 HBase 读取速度变慢

Question

我计划将大约 2.5 亿条记录从 HBase table 加载到 Kafka 队列。

批次最初在大约 1250 rows/sec 开始扫描或读取。但是在读取大约 4 到 5 百万条记录后，读取速度减慢到 90 rows/sec 并永远保持它。

我尝试了各种方法每 400 万条记录刷新一次连接，但它仍然在变慢。

下面是它的配置和逻辑。

private Configuration mHbaseConf;
private int MAX_HBASE_BATCH_SIZE = 1000;

private void hbaseConfCreation() {
    this.mHbaseConf = HBaseConfiguration.create();
    this.mHbaseConf.setLong(HConstants.HBASE_RPC_TIMEOUT_KEY, 4000000);
    this.mHbaseConf.setLong(
            HConstants.HBASE_REGIONSERVER_LEASE_PERIOD_KEY, 3600000);
    this.mHbaseConf.set("hbase.zookeeper.quorum", this.properties
            .getProperty("ip.hbase.zookeeper.quorum"));
    this.mHbaseConf
    .set("hbase.zookeeper.property.clientPort",
            this.properties
            .getProperty("ip.hbase.zookeeper.property.clientPort"));
}

下面是读取和发布逻辑

HTable table = new HTable(this.mHbaseConf, tableName);
Scan s = new Scan();
s.setCaching(this.MAX_HBASE_BATCH_SIZE);
s.setCacheBlocks(false);
ResultScanner rs = table.getScanner(s);

for (Result result : rs) {
    //prepare the value
    KafkaMsgPublisher.send(value);
}

kafka 消息发送立即发生，但扫描速度变慢了。我已经用正确的日志验证了相同的内容，这些日志显示读取一直在消耗。

我有整个作业单线程迭代循环。我尝试每 4M 条记录重新加载配置，但也无济于事。

像这样完成这项工作需要几天或几个月的时间。有什么办法可以改善这一点。速度变慢的原因是什么。

Answer 1

上周已解决此问题。问题是我正在执行文件写入操作来存储 Hbase 记录的密钥。我这样做是为了存储 Key 以防万一。文件写入操作不如单个 Hbase 记录读取快，并且增加了近 100 倍的时间。

        FileWriter fileWriter = new FileWriter(file, true);
        BufferedWriter bufferWriter = new BufferedWriter(fileWriter);
        bufferWriter.write(rowKey);
        bufferWriter.write("\n");
        bufferWriter.close();

一旦我评论了这个逻辑并将其移动到 Catch 块中，这项工作就非常快了。在不到 12 小时内处理了大约 2 亿条记录。

读取几百万条记录后 HBase 读取速度变慢

HBase reading slowing down after reading few miilion records

hbase

apache-kafka