Hive on Hbase 的性能问题

hbase 是NoSql 数据库，可以做 oltp，hive 是 基于mapReduce的 sql 查询引擎，可以做大数据分析；
hive 提供了与hbase整合的机制，也就是 hive on hbase 机制，以外表的方式查询hbase的数据；
那么比较确定的是，hive on hbase 应该会比 hive on hdfs 要慢；

对于hive on hbase 的问题，可以调优的一些参数：
一方面是 hive 是 mapreduce 的本身的参数，
另外一方面是 连接 hbase scan 数据的参数；

比如我们执行一个 select＊from hbase 表；
就会存在 rpc 暴涨的问题：

public static final String HBASE_SCAN_CACHE = "hbase.scan.cache";
public static final String HBASE_SCAN_CACHEBLOCKS = "hbase.scan.cacheblock";
public static final String HBASE_SCAN_BATCH = "hbase.scan.batch";

其中， cacheblock 的坑 参考（相关的坑： https://www.jianshu.com/p/41e9982c5b1e）
一次大量的 select 会把 cache 中的数据，刷新为 本次 批量数据，其实并不是热点；

cache + batch 的作用：
https://www.cnblogs.com/Levyxu/p/10659748.html

select * 的时候，每次读取一行 数据就要发起一个rpc，上亿的 row，就是上亿的rpc；
batch 决定了 column 的数量， 一个column 一个 cell； cache + batch 共同决定了 需要多少个 rpc；

那么我们在 hive 查询hbase 出现些性能问题的时候，可以看看rpc 的问题，然后 设置cache + batch
另外为了不影响 热点缓存，还可以设置 cacheblock = false；