大数据开发：HBase资源隔离的解决方案
Hbase作为分布式数据库而言，一个典型的特征，就是易扩展性，能够支持足够大的集群规模，完成相应的数据存储任务。但是集群规模扩大，相应也会带来负载变高的问题，影响运行效率，于是引入了资源隔离。今天的大数据开发学习分享，我们就主要来讲讲HBase资源隔离的解决方案。
HBase的资源隔离，主要是两个方面，硬件资源隔离和业务资源隔离。
硬件资源隔离——RsGroup
此功能用于将统一的大HBase集群的RegionServer划分为多个分组，管理员可以将不同的表放入不同分组进行资源隔离，避免无关系的业务之间互相影响。
同样也可以根据不同的业务需求提供不同的硬件资源。对于于重点业务，可以分配更多的regionserver的机器，降低负载；而对于非重点业务，则可以更少的机器承担负更多的业务。
目前datanode已经支持了分级存储，甚至可以将重点业务使用不同的介质，比如SSD，从而达到硬件资源利用率和业务执行效率双提升的目的。
RsGroup特点
从上图以及上面的描述可以看出，RsGroup的特点如下：
优点：
隔离级别做到RegionServer级别，即HBase层面的资源以及操作已经做到隔离，各个group之间不会相互影响；
可以根据业务定制化硬件配给，提升硬件使用率；
各个group之间隔离，保证了各个业务系统的稳定性；
方便管理和扩展；
提升了整个集群的性能。
缺点：
HBase底层的HDFS还是公用一份，如果HDFS出现问题，可能会影响一个甚至多个的RsGroup。
RsGroup启用
启用过程修改所有节点的hbase-site.xml，并重启master即可，配置修改如下：
<property>
<name>hbase.coprocessor.master.classes</name>
<value>org.apache.hadoop.hbase.rsgroup.RSGroupAdminEndpoint</value>
</property>
<property>
<name>hbase.master.loadbalancer.class</name>
<value>org.apache.hadoop.hbase.rsgroup.RSGroupBasedLoadBalancer</value>
</property>
RsGroup原则
生产系统中的RsGroup的使用需要兼顾到很多硬件成本以及业务需求相关的限制，下面给出几个相对通用的原则供大家参考：
在线业务和离线业务尽量划分到不同组；
重要业务和边缘业务尽量划分到不同组；
非常重要的业务尽量单独划分到独立组或者单独部署集群；
最好将系统表单独放在一个组中，防止业务数据影响HBase的正常使用；
针对数据以及业务量较少的业务，单独创建组可能比较浪费，可以创建一个公共组来支撑此种场景；
使用RSGroup会自动关闭全局自动负载均衡，后续需要手工触发。
RsGroup管理
最后说说RsGroup使用过程中相关的管理以及注意事项：
开启完毕RsGroup并且table迁移过程中，需要注意RIT region的数量变化，可以通过hbase hbck或者hbase的web界面进行跟踪，遇到了region卡在RIT阶段的需要手动处理和解决，如果没有RIT的region后，执行hbase hbck查看hbase的状态，如果是OK的则table迁移完成。
开启完毕RsGroup并且table迁移完毕后需要手动对每个table执行major_compact以使每个table达到本地化的效果。
删除RsGroup之前需要将该group下的regionserver和table都移除掉。
在RsGroup投入使用后，需要对每个Group，尤其是重要业务的Group使用监控以及告警软件或者脚本进行状态监控和跟踪，通过获取到的Group状态作为集群运维以及管理的依据，进行资源的增减以及group的管理，保证集群稳定高效的运行。
业务资源隔离——读写分离
RegionServer默认情况下只提供一个请求队列给所有业务使用，该队列处理所有的读写请求，导致部分延迟较高的请求影响其他对延迟敏感的业务，大量的写请求影响了读请求。针对这种情况，HBase提供了读写队列隔离方案。
HBase有四种典型的数据API操作类型，分别为get、scan和put、delete，其中get和scan属于read类型，put、delete属于write类型。默认场景下，HBase只提供一个队列，所有请求都会进入该队列进行优先级排序。在一些场景下，我们要求这四种类型的访问尽可能的互相不影响，那么就需要在线上配置读写分离。
首先，我们可以根据HBase的业务特点，即读多写少还是写多读少来分配读写的比例：
HBase中的相关配置如下：
<property>
<name>hbase.ipc.server.callqueue.read.ratio</name>
<value>0.5</value>
</property>
该值在HBase中默认为0，代表读写资源不分离。如果将hbase.ipc.server.callqueue.read.ratio设置为0.5，则表示有50%的线程数处理读请求，剩余50%用于接收写请求。如果读多写少，则将该值设置为0.5-1之间；如果写多读少，则将该值设置为0-0.5之间。
其次，在某些场景下，读操作scan以及get也需要进行隔离，HBase也同样提供scan以及get的比例：
HBase中的相关配置如下：
<property>
<name>hbase.ipc.server.callqueue.scan.ratio</name>
<value>0.5</value>
</property>
该值在HBase中默认为0，代表scan和get资源不分离。如果将hbase.ipc.server.callqueue.scan.ratio设置为0.5，则代表在50%的读线程之中，再有50%的线程处理scan，也就是全部线程的25%。如果scan多get少，则将该值设置为0.5-1之间；如果get多scan少，则将该值设置为0-0.5之间。
关于大数据开发学习，HBase资源隔离的解决方案，以上就为大家做了基本的介绍了。在Hbase端，资源隔离是针对大规模数据存储任务，提升效率的利器，如何运用还需结合实际场景。
