HBase(Hadoop Database)是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群，Hypertable则是搜索引擎公司Zvents以Google发布的BigTable为基础，推出的一款开源分布式数据存储系统。这两类分布式存储系统通常被用于新兴互联网架构或者云计算、云存储架构中。

　　两者都是模仿谷歌BigTable数据库设计而成，主要区别是Hypertable依靠C++语言实现，而HBase则基于Java编写。我们最近做了一项实验，比较0.9.5.5版本的Hypertable和0.90.4版本的HBase运行zookeeper时的性能，结论是：Hypertable在吞吐量测试中的成绩是HBase的2倍。而且HBase在410亿和1670亿数据测试中存在数据溢出问题。不过在随机读取测试中这两个系统的测试结果基本相同。

　　测试环境介绍

　　本次测试的环境是通过千兆网络连在一起的16台服务器。

　　本机的配置是：

　　OS：CentOS 6.1

　　CPU：两颗AMD C32六核心2.1GHz

　　内存：24GB 1333 MHz DDR3

　　磁盘：四块 西部数据RE4-GP WD2002FYPS(2TB SATA )

　　服务器test 01上运行分布式文件系统、分布式存储系统Hypertable和HBase的主节点，在test04-test15上运行数据节点和机器配置的有效RAM， ZooKeeper和Hyperspace的副本运行在test01-test03上，测试中表配置使用快速压缩，并且使用Bloom过滤器按一定规则进行过滤。我们查阅了介绍如何设置并完成此次测试的整个Hypertable VS HBase II测试报告，尽可能调整HBase实现最佳性能和配置细节。

　　随机写入测试

　　在随机写入测试中，Hypertable和HBase分别测试写入4个不同的5TB数据。使用值大小分别为10000、1000、100和10。其中关键一步是将20字节作为随机写入的零填充来格式化。

　　以下图表为测试结果

从图中我们可以看出HBase在410亿以及1670亿的关键测试中由于HBase的RegionServers并发模式失败而写入异常。无论如何配置，当RegionServer产生垃圾数据的速度超过Java垃圾收集器回收垃圾数据的速度就会发生上面的异常情况。虽然我们可以设计一个垃圾数据回收计划来克服这些问题，不过这样的话会在运行时给性能带来沉重的代价。

　　随机读取测试

　　此次测试利用一组随机读取请求通过查询吞吐量的方法来测试。每个系统跑两个不同的测试，一个测试采用Zipfian分布，另一个测试采用均匀分布。同时，对插入的键大小固定为20字节，值大小则固定为1KB。键取值范围来自ASCII中的整数，每次查询测试返回一对键值。在每个系统上分别跑两次测试，一次加载5TB的数据，另一次加载0.5TB的数据。这样能够测量出每个系统下内存到磁盘性能系数的高低。在加载5TB测试中共载入4,901,960,784的键值，而加载0.5TB测试中共载入490,196,078的键值。测试客户端跑了128个进程(总共为512进程)，每个进程都可以在任何时间得到512次查询，这意味着每个测试都发出1亿次查询。

　　Zipfian分布式环境测试

　　在这个测试中，我们布置了一个Zipfian分布环境，发现当指数的值为0.8时，20%的键利用了80%的时间来实现。所以我们在测试中将Hypertable查询缓存配置为2GB，同时为了使HBase保持良好性能，将HBase的block cache和memstore限制使用默认值。测试结果见下图

导致性能差异主要原因是Hypertable提供了查询缓存。当然用HBase也可以实现查询缓存，但它是HBase的子系统而且这个子系统生成了很多垃圾。虽然用HBase查询缓存会提高HBase测试性能，但同时也带来了一些弊端，尤其是在超大规模写入以及超大单元计算的混合工作负载下。

　　在测试中出现了一个有趣的现象，在我们增加了两个系统缓存块的大小后对性能产生了不利影响。事实上系统内有大量闲置CPU计算能力以维持减轻压力需求，通过消除高速缓存块来存储未压缩块，同时依靠操作系统的文件缓存可获取更好的性能，因为这样可以在内存中容纳更多的数据集。

　　均匀分布测试环境

　　查询用的键都遵循均匀分布的原则，下图为测试结果

在均匀分布测试中HBase的性能接近Hypertable，这应该是磁盘IO瓶颈以及测试中产生一些垃圾数据导致。

　　结论

　　在过去5年，Hypertable社区一直在致力于努力完善产品。得到这些结果我们很开心，我们可以继续进行效能改善项目，目标是将Hypertable构建成为大数据领域高性能、高扩展性的数据库解决方案。