HBase：get（...）vs scan和in-memory table

Question

我正在执行MR over HBase。

reducer中的业务逻辑大量访问两个表，比如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");

在减少（...）

 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*/
}

虽然不确定上面的代码是否在第一时间是合理的，但我有一个问题 - 获得（...）会在扫描中提供任何性能优势吗？

Get get = new Get(lowercase.getBytes());
Result getResult = t1.get(get);

由于T1和T2将是只读的（大部分），我认为如果保留在内存中，性能将会提高。 根据HBase doc。，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：

1. 如何验证列是在内存中（当然，describe语句和浏览器反映它）并从那里访问而不是磁盘？
2. 来自内存或来自磁盘的读取对客户端是否透明？ 简单来说，我是否需要在reducer类中更改HTable访问代码？ 如果是，有什么变化？

Answer 1

get（...）会在扫描中提供任何性能优势吗？

获取直接操作在由作为参数传递给Get实例的rowkey标识的特定行上。 虽然扫描对所有行都有效，但如果您没有通过向Scan实例提供开始和结束行键来使用范围查询。 显然，如果事先知道要操作哪一行，效率会更高。 您可以直接去那里并执行所需的操作。

如何验证列是在内存中（当然，describe语句和浏览器反映它）并从那里访问而不是磁盘？

可以使用由HColumnDescriptor提供isInMemory（）方法来验证是否一个特定的CF为在内存中或没有。 但是，你无法发现整个表都在内存中，是否从磁盘或内存中进行了提取。 虽然内存块具有最高优先级，但并不是100％确定所有内容始终都在内存中。 这里一个重要的事情是，即使在内存CF的情况下，数据也会持久存储到磁盘。

来自内存或来自磁盘的读取对客户端是否透明？ 简单来说，我是否需要在reducer类中更改HTable访问代码？ 如果是，有什么变化？

是。 它是完全透明的。 你不需要做任何额外的事情。

Answer 2

1. 就实施而言，这些之间没有实质性差异。 它们都与客户相同。