使用spark bulkload加载海量数据到hbase

本文介绍了在项目中使用Spark解决批量加载海量数据到HBase时遇到的性能问题。通过bulkload方式,解决了批量put带来的速度慢和Region Server频繁GC问题。文章详细总结了生成hfile文件时key排序错误及导入hfile到HBase时超过文件限制的解决方案,包括调整配置参数以适应大规模region的场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近在项目中碰到需要使用spark加载海量数据到hbase的需求,一开始我们使用批量put的方式,这种方式简单,但是带来了一系列的性能问题,一方面速度比较慢,另一方面,由于我们的hbase用来提供oltp服务,导致在加载数据的时候,hbase的region sever频繁GC,严重影响线上交易的响应时间。因此,我们决定使用bulkload的方式来解决这个问题,一路踩坑,终于解决了所有问题,现将遇到的问题总结如下,以备查询。
1、生成hfile文件
生成hfile文件的方法,在网上很多帖子都有讲,这里就不再赘述了,只说说碰到的问题
问题一:
java.io.IOException: Non-increasing Bloom keys: 201301025200000000000003520000000000000500 after 201311195100000000000000010000000000001600
    at org.apache.hadoop.hbase.regionserver.StoreFile$Writer.appendGeneralBloomfilter(StoreFile.java:869)
    at org.apache.hadoop.hbase.regionserver.StoreFile$Writer.append(StoreFile.java:905)
    at org.apache.hadoop.hbase.mapreduce.HFileOutputFormat$1.write(HFileOutputFormat.java:180)
    at org.apache.hadoop.hbase.mapreduce.HFileOutputFormat$1.write(HFileOutputFormat.java:136)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值