hbase批量查询-hbase批量写入性能对比(9-11-44)

HBase本文目录一览：

• 1、淘宝为什么使用HBase及如何优化的
• 2、HBase性能优化-Rowkey&列族设计
• 3、如何提高spark批量读取HBase数据的性能

淘宝为什么使用HBase及如何优化的

1、数据查询模式已经确定，且不易改变，就是说hbase使用在某种种特定的情况下，且不能变动。告诉插入，大量读取。因为分布式系统对大量数据的存取更具优势。尽量少的有数据修改。

2、对象存储：HBase可以作为中等对象存储，对HDFS存储文件起到缓冲过渡的作用，减轻了NAMENODE元数据维护的压力。消息/订单存储：因为HBase提供低延时、高并发的访问能力，所以可以用于电商平台等场景的消息和订单存储。

3、HBase 不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库.所谓非结构化数据存储就是说HBase是基于列的而不是基于行的模式，这样方面读写你的大数据内容。

4、这个长尾关键词通常使用在SEO行业和网站优化。在优化标题关键词的过程中，我们可以学会利用长尾关键词优化，有效的避免竞争过大，范围太广泛的热门关键词，从而提高店铺的转化率。比如我们的宝贝为男士短袖衬衫。

HBase性能优化-Rowkey&列族设计

1、必须在设计上保证RowKey的唯一性。由于在HBase中数据存储是Key-Value形式，若向HBase中同一张表插入相同RowKey的数据，则原先存在的数据会被新的数据覆盖。设计的RowKey应均匀的分布在各个HBase节点上，避免数据热点现象。

2、必须在设计上保证RowKey的唯一性。由于在HBase中数据存储是Key-Value形式，若向HBase中同一张表插入相同RowKey的数据，则原先存在的数据会被新的数据覆盖。设计的RowKey应均匀的分布在各个HBase节点上， 避免数据热点现象。

3、HBase性能优化-Rowkey&列族设计必须在设计上保证RowKey的唯一性。由于在HBase中数据存储是Key-Value形式，若向HBase中同一张表插入相同RowKey的数据，则原先存在的数据会被新的数据覆盖。

4、我们先来看.META.表，假设HBase中只有两张用户表：Table1和Table2，Table1非常大，被划分成了很多Region，因此在.META.表中有很多条Row用来记录这些Region。

5、访问HBASE table中的行，只有三种方式：通过单个RowKey访问、通过RowKey 的range（正则）、全表扫描。

如何提高spark批量读取HBase数据的性能

1、使用SparkRedisConnector：使用SparkRedisConnector是Redis批量读取数据到Spark的一种常用方法。这种方法可以高效地批量读取Redis数据，并利用Spark的分布式处理能力进行大规模数据处理。

2、CheckPartitionTable规则执行类，需要通过引入sparkSession从而获取到引入conf；需要继承Rule[LogicalPlan]；通过splitPredicates方法，分离分区谓词，得到分区谓词表达式。

3、为了提高大数据平台的性能，可以采取以下操作：优化硬件配置：根据大数据平台的实际需求，合理配置硬件资源，包括内存、硬盘、处理器等，以确保平台在高并发、大数据量处理时能够充分发挥硬件性能。

4、Spark提供Cache机制来支持需要反复迭代的计算或者多次数据共享，减少数据读取的I/O开销。