BulkLoad和Put应用场景有哪些

问题

HBase支持使用bulkload和put方式加载数据，在大部分场景下bulkload提供了更快的数据加载速度，但bulkload并不是没有缺点的，在使用时需要关注bulkload和put适合在哪些场景使用。

回答

bulkload是通过启动MapReduce任务直接生成HFile文件，再将HFile文件注册到HBase，因此错误的使用bulkload会因为启动MapReduce任务而占用更多的集群内存和CPU资源，也可能会生成大量很小的HFile文件频繁的触发Compaction，导致查询速度急剧下降。

错误的使用put，会造成数据加载慢，当分配给RegionServer内存不足时会造成RegionServer内存溢出从而导致进程退出。

下面给出bulkload和put适合的场景：

• bulkload适合的场景：
  • 大量数据一次性加载到HBase。
  • 对数据加载到HBase可靠性要求不高，不需要生成WAL文件。
  • 使用put加载大量数据到HBase速度变慢，且查询速度变慢时。
  • 加载到HBase新生成的单个HFile文件大小接近HDFS block大小。
• put适合的场景：
  • 每次加载到单个Region的数据大小小于HDFS block大小的一半。
  • 数据需要实时加载。
  • 加载数据过程不会造成用户查询速度急剧下降。