hbase手动compact与split

最新推荐文章于 2023-04-24 11:50:19 发布

转载最新推荐文章于 2023-04-24 11:50:19 发布 · 1.3k 阅读

hbase 专栏收录该内容

108 篇文章

订阅专栏

本文介绍了一个用于HBase的Shell脚本，该脚本能够检查和自动拆分过大的Region，以提高HBase数据库的性能。通过设置阈值，脚本会遍历所有超过指定大小的Region并进行拆分，同时提供了检查功能确保拆分后的Region大小合理。

2016年08月28日 14:07:25 小小程序员1986 阅读数：1405

#!/bin/bash

die () {
    echo >&2 "$@"
    echo "usage:"
    echo "       $0 check|split table_name [split_size]"
    exit 1
}

[[ "$#" -lt 2 ]] && die "at least 2 arguments required, $# provided"

COMMAND=$1
TABLE=$2
SIZE="${3:-1073741824}"

split() {
    region_key=`python /home/hduser/hbase/hbase-scan.py -t hbase:meta -f "RowFilter (=, 'substring:$1')"`
    echo "split '$region_key'" | hbase shell
}

if [ "$COMMAND" != "check" ] ; then
    for region in `hadoop fs -ls /hbase/data/default/$TABLE | awk {'print $8'}`
    do
        [[ ${region##*/} =~ ^\. ]] && continue
        [[ `hadoop fs -du -s $region | awk {'print $1'}` -gt $SIZE ]] && split ${region##*/}
    done

    # check after split
    sleep 60
fi

for region in `hadoop fs -ls /hbase/data/default/$TABLE | awk {'print $8'}`
do
    [[ ${region##*/} =~ ^\. ]] && continue
    [[ `hadoop fs -du -s $region | awk {'print $1'}` -gt $SIZE ]] && echo "${region##*/} (`hadoop fs -du -s -h $region | awk {'print $1 $2'}`) is a huge region" || echo "${region##*/} (`hadoop fs -du -s -h $region | awk {'print $1 $2'}`) is a small region"
done

hbase-scan.py

import subprocess
import datetime
import argparse
import csv
import gzip
import happybase
import logging
def connect_to_hbase():
return happybase.Connection('itr-hbasetest01')
def main():
logging.basicConfig(format='%(asctime)s %(name)s %(levelname)s: %(message)s',level=logging.INFO)
argp = argparse.ArgumentParser(description='EventLog Reader')
argp.add_argument('-t','--table', dest='table', default='eventlog')
argp.add_argument('-p','--prefix', dest='prefix')
argp.add_argument('-f','--filter', dest='filter')
argp.add_argument('-l','--limit', dest='limit', default=10)
args = argp.parse_args()
hbase_conn = connect_to_hbase()
table = hbase_conn.table(args.table)
logging.info("scan start")
scanner = table.scan(row_prefix=args.prefix, batch_size=1000, limit=int(args.limit), filter=args.filter)
logging.info("scan done")
i = 0
for key, data in scanner:
logging.info(key)
print key
i+=1
logging.info('%s rows read in total', i)
if __name__ == '__main__':
main()