CentOS 上 HBase 存储空间管理实操指南
一 存储架构与目录规划
- HBase 的数据与元数据默认存放在 HDFS，通过 hbase.rootdir 指定根路径（例如：hdfs://namenode:8020/hbase），其下包含 WALs（预写日志）与 data（表/Region 数据）等目录。若需变更根目录，需在 hbase-site.xml 中设置并重启集群；HDFS 目录需提前创建并赋权（如：hadoop fs -mkdir /hbase；hadoop fs -chown hbase:hadoop /hbase）。在 CentOS 上建议使用 ext4/xfs 并合理挂载多块磁盘，避免单盘容量瓶颈。为获得更高吞吐与更快恢复，可采用多盘/多目录并行写入（HDFS 层面多 DataNode/多磁盘）。
二 容量规划与数据布局
- 容量估算：每台 RegionServer 通常管理 10–1000 个 Region；若单 Region 约 1–2GB，则单节点原始数据量约 10GB–2TB。考虑 HDFS 副本数 3，所需物理容量约为“原始数据 × 3”，并预留 20%–30% 余量用于 WAL、Compaction、临时文件 与增长。示例：若单节点承载 500GB 原始数据，3 副本需约 1.5TB 磁盘，建议配置 ≥2TB 磁盘空间。
- 副本与权衡：dfs.replication 越高读性能越好、写性能越差且占用空间更大；可按业务 SLA/成本 选择副本数（常见为 3）。HBase 层面也可在列族上设置副本策略以更细粒度控制（若集群支持）。
三 表级与列族级空间控制
- 生命周期管理：为表/列族设置 TTL（Time To Live） 自动过期清理无用数据，避免无限增长（如：setTimeToLive 秒数）。
- 版本控制：将 最大版本数（hbase.hcolumn.max.versions） 设为业务所需的最小值（如仅需最新值设为 1），减少多版本占用。
- 压缩编码：启用 Snappy/LZO 等压缩（如：hbase.regionserver.compression.type=snappy），显著降低 StoreFile 体积与 I/O。
- 布隆过滤器：为列族开启 Bloom Filter，加速随机读、减少无效扫描（对顺序 Scan 收益有限）。
- 块大小：根据访问模式调整 HFile 块大小，常见 64KB–128KB；随机读多可偏小，顺序扫描多可偏大。
四 写入路径与后台任务调优
- 内存与刷写：控制 MemStore 上限（如：hbase.regionserver.global.memstore.size=0.4，即堆内存的 40%），超过阈值触发 flush；WAL 默认开启以保障可靠性，仅在可容忍数据丢失的特定场景才考虑关闭（Put.setWriteToWAL(false)）。
- Region 大小：将 hbase.hregion.max.filesize 设为 5–20GB 区间，促使 Region 在合理规模自动分裂，避免过小 Region 引发频繁 Minor/Major Compaction 抖动，也避免过大 Region 在压缩/分裂时产生长时间停顿。
- Compaction 策略：保持 Minor Compaction 常态运行，按业务窗口执行 Major Compaction 以合并小文件、降低 StoreFile 数量；在写入密集期可适当降低 Major 频率，避免与业务高峰叠加。
- 其他关键点：启用 MSLAB 降低 MemStore 内存碎片；合理设置 HFile 块大小 与 Bloom Filter 以兼顾读放大与空间占用。
五 日常运维与监控清单
- 目录与权限：确认 hbase.rootdir 指向正确的 HDFS 路径，目录存在且属主为 hbase；变更后需有序重启相关服务。
- 容量与增长：定期巡检 HDFS 使用率、单表/列族大小、Region 数量与分布；当节点容量接近阈值时优先扩容磁盘或 RegionServer，其次调整 TTL/版本/压缩 策略。
- 负载与热点：通过 HBase Master UI / Ganglia / Prometheus 观察请求延迟、Region 分布与热点；结合 预分区 与 RowKey 设计（避免单调递增） 消除热点，必要时对大表执行 手动 split。
- 参数复核：周期性核查关键参数（如 MemStore 上限、压缩、块大小、Bloom Filter、Region 大小），并结合业务负载做灰度调整。