HBase数据写入测试
测试环境
测试硬件：4核i5处理器，8G内存，1T硬盘，千兆网络
测试软件：Ubuntu 12.10 64位，Hadoop版本：0.20.205，hbase版本：0.90.5
测试设置：一个master（namenode）和三台resigonServer（datanode），向HBase集群写入1千万个数据（一个数据15K左右）
测试结果
上图第一列和最后一列分别是插入相同数据再HBase中和HDFS中，可以看见差距很大，HBase上数据的插入时间是HDFS的10倍左右
向HBase中插入数据比HDFS性能差这么多，笔者就研究一下是什么原因让HBase写性能这么不好。向HBase中插入数据的过程大致是这样：client插入数据时先向master请求，master回复哪个resigionserver的哪个region可以给插入数据，然后client直接和resigionserver通信插入数据，resigionserver判断该数据插入到哪个datablock里(resigion是由datablock组成的)，然后以HFile的形式存储在HDFS中（数据不一定在resigionserver本地）。
影响HBase写入性能的一个因素就是用put类插入数据的缓存区问题。用put类插入数据时，默认的情况是写入一次数据由clinet和resigionserver进行一次RPC来插入数据。由于是1千万个数据，多次进行进程间通信势必会影响时间。HBase给客户端提供了写缓冲区，当缓冲区填满之后才执行写入操作，这样就减少了写入的测次数。
首先取消自动写入，setAutoFlush(false)
然后设置写缓冲区大小（默认是2MB）setWriteBufferSize()或者更改hbase-site.xml的hbase.client.write.buffer的属性
上面列表可以看出把缓冲区设为20M还是对写入时间有改进，但是改成200M写入时间更长(为什么？)
另一个因素就是WAL（write ahead log），因为每一个resigion都有一个memstore用内存来暂时存放数据，进行排序，最后再吸入HFile里面去，这样做为了减少磁盘寻道而节省时间，但是为了灾难恢复，所以会把内存中的数据进行记录。所以笔者把WAL关闭之后，又测了下性能，还是有一点帮助的，但是帮助不是太大，可见WAL不是写入的瓶颈。（setWriteToWal(false)）
因为HBase对查询方便，能够快速的读取数据，写入时必然会采取一些措施进行排序，这就是HBase的合并和分裂机制。HBase官方为了提升写入性能，给出一种方案就是预分配resigion，也就是池的概念，你先分配一些resigion，用的时候直接用就行了。本来这1千万个数据要存储900个resigion，所以笔者预先分配了150个resigion（分配900个resigion，建表时间太长，出现异常，还没有解决），结果写入时间提升了很多，基本是原来的一半，如果能预先分配900个resigion，应该更能节省时间。