HBase對于非Java語言提供了Thrift接口支持，這里結(jié)合對HBase Thrift接口（HBase版本為0.92.1）的使用經(jīng)驗，總結(jié)其中遇到的一些問題及其相關(guān)注意事項。
1. 字節(jié)的存放順序
HBase中，由于row（row key和column family、column qualifier、time stamp）是按照字典序進行排序的，因此，對于short、int、long等類型的數(shù)據(jù)，通過Bytes.toBytes(…)轉(zhuǎn)換成byte數(shù)組后，必須按照大端模式（高字節(jié)在低地址，低字節(jié)在高地址）存放。對于value，也是同樣的道理。因此，在使用Thrift API（C++、Php、Python等）方式時，最好對于row和value都統(tǒng)一按照大端進行pack和unpack處理。
舉個例子，C++中，對于int型變量，經(jīng)過以下方式轉(zhuǎn)換為字典序：

通過以下方式將字典序轉(zhuǎn)換為int：

Php中則提供了pack和unpack方法進行轉(zhuǎn)換：

2. TScan的使用陷阱
HBase的PHP Thrift接口中，TScan可以直接通過設(shè)置startRow、stopRow、columns、filter等屬性，默認這些屬性均為null，設(shè)置后變?yōu)榉莕ull（通過TScan的構(gòu)造函數(shù)或直接對TScan的成員變量進行賦值）。通過write()方法和Thrift Server進行RPC操作時，直接判斷的依據(jù)是這些屬性不為null，則通過Thrift協(xié)議傳輸?shù)絋hrift Server端。
但是在C++的Thrift接口中，TScan中有一個_TScan__isset __isset類型的變量，其內(nèi)部結(jié)構(gòu)如下：

TScan的write()方法則是通過判斷_TScan__isset下的各個bool變量標記是否設(shè)置了startRow、stopRow、columns、filter等屬性，決定是否將這些屬性通過Thrift協(xié)議傳輸?shù)絋hrift Server端，而這些屬性必須通過__set_xxx()方法進行設(shè)置才能生效！在TScan的默認構(gòu)造函數(shù)中，并不會對這些屬性對應(yīng)的__isset標記設(shè)置為true！
因此，如果直接通過TScan的構(gòu)造函數(shù)初始化startRow、stopRow、columns、filter等屬性會導(dǎo)致從頭遍歷該表，只有調(diào)用了__set_xxx()方法才會將對應(yīng)的bool標識設(shè)置為true，這樣服務(wù)端才會從Thrift Server獲取startRow、stopRow、columns、filter等屬性進行掃描。
3. 并發(fā)訪問線程數(shù)
首先，為了盡可能減少由于網(wǎng)絡(luò)傳輸帶來的時間開銷，HBase的Thrift Server最好和應(yīng)用客戶端部署在同一臺機器上。Thrift Server啟動時可以通過參數(shù)配置并發(fā)線程數(shù)，否則很容易導(dǎo)致Thrift Server線程滿了不響應(yīng)客戶端的讀寫請求，具體命令：bin/hbase-daemon.sh start thrift --threadpool -m 200 -w 500（更多參數(shù)參考這里：bin/hbase-daemon.sh start thrift -h）。
4. 最大堆內(nèi)存配置
如果客戶端與Thrift Server進行scan操作順序讀取數(shù)據(jù)，而且設(shè)置了一定的cache記錄條數(shù)（通過TScan的int32_t caching變量設(shè)置），那么這些被caching的記錄數(shù)可能會占用Thrift Server相當部分的堆內(nèi)存，尤其在多客戶端并發(fā)訪問時更明顯。
因此，在Thrift Server啟動前，可以調(diào)大最大堆內(nèi)存，否則可能由于java.lang.OutOfMemoryError異常而導(dǎo)致進程被殺掉，尤其是當Scan時設(shè)置了較大的caching記錄條數(shù)的情況（默認為export HBASE_HEAPSIZE=1000MB，可以在conf/hbase-env.sh中設(shè)置）。

最新評論