HBase 表大小在一段时间后减小

Posted 2023-04-18

【中文标题】HBase 表大小在一段时间后减小

【英文标题】：HBase table size decreases after period of time

【发布时间】：2017-08-24 15:05:55

【问题描述】：

我们在 HBase 中存储数据时遇到了一个问题。我们已经采取了这样的步骤：

Spark 应用程序正在处理大 csv 文件（大小：20 G），结果是 hfiles（结果数据大小：180 G）。 使用命令创建表：'TABLE_NAME', 'NAME'=>'cf', 'COMPRESSION'=>'SNAPPY' 来自创建的 hfile 的数据通过命令 hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles -Dhbase.mapreduce.bulkload.max.hfiles.perRegion.perFamily=1024 hdfs://ip:8020/path TABLE_NAME 批量加载

在加载表后立即大小为 180 G，但在一段时间后（昨天是晚上 8 点，两天前是早上 8 点左右）启动了一个进程，将数据压缩到 14 G 大小。

我的问题是这个过程的名称是什么？这是一个主要的压实吗？因为我正在尝试手动触发压缩（major_compact 和 compact），但这是在未压缩表上启动的命令的输出：

hbase(main):001:0> major_compact 'TEST_TYMEK_CRM_ACTION_HISTORY'
0 row(s) in 1.5120 seconds

【参考方案1】：

这是压缩过程。我可以建议以下原因导致表格大小差异如此之大。使用 Spark 应用程序，您不会对 HFile 使用压缩编解码器，因为它会在文件创建后指定它。表的 HFiles 附件不会改变它的格式（HDFS 中的所有文件都是不可变的）。只有在压缩过程之后，数据才会被压缩。您可以通过 HBase UI 监控压缩过程；它通常在 60000 端口上运行。