現在，網易視頻云與大家分享一下HBase最佳實踐－列族設計優化。
　　隨著大數據的越來越普及，HBase也變得越來越流行。會用HBase現在已經變的并不困難，然而，怎么把它用的更好卻并不簡單。那怎么定義‘用的好’呢？很簡單，在保證系統穩定性、可用性的基礎上能夠用最少的系統資源（CPU，IO等）獲得最好的性能（吞吐量，讀寫延遲）就是’用的好’。HBase是一個龐大的體系，涉及到很多方面，很多因素都會影響到系統性能和系統資源使用率，根據場景對這些配置進行優化會很大程度上提升系統的性能。筆者總結至少有如下幾個方面：HDFS相關配置優化，HBase服務器端優化（GC優化、Compaction優化、硬件配置優化），列族設計優化，客戶端優化等，其中客戶端優化在前面已經通過超時機制、重試機制講過，后面筆者會繼續分別介紹其他三個優化重點。
　　本節重點介紹列族設計優化，HBase中基本屬性都是以列族為單位進行設置的，如下示例，用戶創建了一張稱為‘ NewsClickFeedback’的表，表中只有一個列族’Toutiao’，緊接著的屬性都是對此列族進行的設置。這些屬性基本都會或多或少地影響該表的讀寫性能，但有些屬性用戶只需要理解其意義就知道如何設置，而有些屬性卻需要根據場景、根據業務來設置，比如BLOCKSIZE屬性在不同場景下應該如何設置？還有COMPRESSION屬性和DATA_BLOCK_ENCODING屬性，兩者都可以提供壓縮功能，那到底應該選擇哪個，還是兩個都需要進行設置？本文就重點介紹這三個屬性的設計原則。
　　
　　BlockSize設置
　　塊大小是HBase的一個重要配置選項，默認塊大小為64M。對于不同的業務數據，塊大小的合理設置對讀寫性能有很大的影響。而對塊大小的調整，主要取決于兩點：
　　1. 用戶平均讀取數據的大小。理論上講，如果用戶平均讀取數據的大小較小，建議將塊大小設置較小，這樣可以使得內存可以緩存更多block，讀性能自然會更好。相反，建議將塊大小設置較大。
　　為了更好說明上述原理，筆者使用YCSB做了一個測試，分別在Get、Scan兩種場景下測試不同BlockSize大小（16K，64K，128K）對性能的影響。測試結果分別如下面兩圖：
　　
　　隨著BlockSize的增大，系統隨機讀的吞吐量不斷降低，延遲不斷增大。64K大小比16K大小的吞吐量大約降低13%，延遲增大13%。同樣的，128K大小比64K大小的吞吐量降低約22%，延遲增大27%。因此，對于以隨機讀為主的業務，可以適當調低BlockSize的大小，以獲得更好的讀性能。
　　
　　隨著BlockSize增大，scan的吞吐量逐漸增大，延遲不斷降低。64K大小BlockSize比16K大小的吞吐量增加了33%，延遲降低了24%；128K大小比64K大小吞吐量增加了7%，延遲降低了7%；因此，對于以scan為主的業務，可以適當增大BlockSize的大小，以獲得更好的讀性能。
　　可見，如果業務請求以Get請求為主，可以考慮將塊大小設置較小；如果以Scan請求為主，可以將塊大小調大；默認的64M塊大小是在Scan和Get之間取得的一個平衡。