我正在通过HBase执行MR。
Reducer中的业务逻辑大量访问两个表,例如T1(40k行)和T2(90k行)。目前,我正在执行以下步骤:
1.在reducer类的构造函数中,执行以下操作:
HBaseCRUD hbaseCRUD = new HBaseCRUD();
HTableInterface t1= hbaseCRUD.getTable("T1",
"CF1", null, "C1", "C2");
HTableInterface t2= hbaseCRUD.getTable("T2",
"CF1", null, "C1", "C2");
在reduce(...)
String lowercase = ....;
/* Start : HBase code */
/*
* TRY using get(...) on the table rather than a
* Scan!
*/
Scan scan = new Scan();
scan.setStartRow(lowercase.getBytes());
scan.setStopRow(lowercase.getBytes());
/*scan will return a single row*/
ResultScanner resultScanner = t1.getScanner(scan);
for (Result result : resultScanner) {
/*business logic*/
}
尽管不确定上面的代码是否首先有意义,但我有一个问题-与扫描相比,get(...)是否会提供任何性能优势?
Get get = new Get(lowercase.getBytes());
Result getResult = t1.get(get);
由于T1和T2将是只读的(大多数情况下),因此我认为如果保留在内存中,性能将会提高。根据HBase文档,我将不得不重新创建表T1和T2。请验证我理解的正确性:
public void createTables(String tableName, boolean readOnly,
boolean blockCacheEnabled, boolean inMemory,
String... columnFamilyNames) throws IOException {
// TODO Auto-generated method stub
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
/* not sure !!! */
tableDesc.setReadOnly(readOnly);
HColumnDescriptor columnFamily = null;
if (!(columnFamilyNames == null || columnFamilyNames.length == 0)) {
for (String columnFamilyName : columnFamilyNames) {
columnFamily = new HColumnDescriptor(columnFamilyName);
/*
* Start : Do these steps ensure that the column
* family(actually, the column data) is in-memory???
*/
columnFamily.setBlockCacheEnabled(blockCacheEnabled);
columnFamily.setInMemory(inMemory);
/*
* End : Do these steps ensure that the column family(actually,
* the column data) is in-memory???
*/
tableDesc.addFamily(columnFamily);
}
}
hbaseAdmin.createTable(tableDesc);
hbaseAdmin.close();
}
完成后:
get(...)会比扫描提供任何性能优势吗?
Get直接对由作为参数传递给Get实例的rowkey标识的特定行进行操作。扫描对所有行进行操作时,如果尚未通过向扫描实例提供开始和结束行键来使用范围查询。显然,如果您事先知道要在哪一行上进行操作,效率会更高。您可以直接去那里进行所需的操作。
如何验证列是否在内存中(当然,describe语句和浏览器会反映出来)并从那里访问,而不是从磁盘访问?
可以使用isInMemory()由设置方法HColumnDescriptor以验证是否一个特定的CF为在内存中或没有。但是,您无法确定整个表都在内存中,以及是从磁盘还是从内存中获取数据。尽管内存块的优先级最高,但是并不能100%始终确保所有内容都在内存中。此处重要的一件事是即使在内存CF中,数据也可以持久保存到磁盘。
从内存或从磁盘读取对客户端是透明的吗?简单来说,是否需要在我的reducer类中更改HTable访问代码?如果是,会有哪些变化?
是。它是完全透明的。您无需执行任何其他操作。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句