HBase数据压缩在CentOS如何配置

在 CentOS 上配置 HBase 数据压缩

一 环境准备与算法选择

• 确认 HBase 版本与运行用户，压缩库需要在 RegionServer 与客户端两端均可用。
• 常用压缩算法与取舍：
  • SNAPPY：压缩/解压速度快、CPU 占用低，适合在线业务与温数据。
  • LZ4：速度更快、压缩率略低，适合对延迟极敏感的场景。
  • GZIP：压缩率最高，但速度慢，适合历史归档。
  • LZO：压缩率与速度均衡，需额外部署 LZO 库。
  • ZSTD：压缩/解压性能优秀，适合在 CPU 较充裕时替代 Snappy/LZ4。
• 在 CentOS 上安装所需库（示例为 Snappy）：
  • sudo yum install -y snappy snappy-devel
  • 如使用 LZO，需安装 lzo lzo-devel 并完成 Hadoop/LZO 编解码器配置。
• 注意：压缩会提升 CPU 使用率，需在存储节省与性能之间权衡。

二 配置步骤

• 编辑配置文件：打开 /etc/hbase/conf/hbase-site.xml，在 内按需添加或修改：
  • 设置全局默认压缩算法（可选，优先级低于列族设置）：
    
    hbase.regionserver.compression.type
    SNAPPY
    
  • 如需对 WAL 也启用压缩（可选）：
    
    hbase.regionserver.wal.codec
    org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec
    
• 保存后按顺序重启服务：
  • sudo systemctl restart hbase-master
  • sudo systemctl restart hbase-regionserver
• 说明：上述属性为常见做法；部分资料还提及 hbase.regionserver.compression.codec 等参数，实际以所用 HBase 版本为准。

三 表与列族级别设置

• 创建表时指定压缩（示例为列族 cf1 使用 SNAPPY）：
  • create ‘my_table’, ‘cf1’, {NAME => ‘cf1’, COMPRESSION => ‘SNAPPY’}
• 修改已有表/列族的压缩算法（Java API 示例）：
  • Configuration config = HBaseConfiguration.create();
    try (Admin admin = config.getAdmin()) {
    TableName tn = TableName.valueOf(“my_table”);
    TableDescriptor td = admin.getDescriptor(tn);
    ColumnFamilyDescriptor cfd = td.getColumnFamily(“cf1”)
    .toBuilder().setCompressionType(Compression.Algorithm.SNAPPY).build();
    admin.modifyColumnFamily(tn, cfd);
    }
• 压缩在写入时自动完成，读取时自动解压，无需在 Put/Get 中单独开关。

四 验证与常见问题

• 验证配置与数据是否压缩：
  • HBase Shell 查看表/列族属性：describe ‘my_table’（应看到 COMPRESSION => ‘SNAPPY’）。
  • 统计信息/文件层面：major compaction 后查看 HFile 的压缩编解码器（如使用 HFile 工具或 HBase Web UI）。
• 常见问题与排查：
  • 出现 “ClassNotFoundException/NoClassDefFoundError” 等，多为压缩库未安装或 RegionServer 与客户端不一致，需在集群各节点安装相同库并重启。
  • 使用 LZO 时，确保 Hadoop-LZO 编解码器在 HBase classpath 中。
  • 压缩后 CPU 上升属正常，可通过监控选择更合适的算法或调整压缩策略。