无法在黑斑羚中插入 5k/秒的记录?

Question

我正在探索 Poc 的 Impala，但我看不到任何显着的性能。我不能插入 5000 条记录/秒，最多只能插入 200 条/秒。考虑到任何数据库性能，这真的很慢。

我尝试了两种不同的方法，但都很慢：

1. 使用Cloudera

   首先，我在系统上安装了Cloudera并添加了最新的CDH 6.2集群。我创建了一个java客户端来使用ImpalaJDBC41驱动程序插入数据。我能够插入记录，但速度很糟糕。我尝试通过增加 Impala 守护程序限制和我的系统 RAM 来调整黑斑羚，但没有帮助。最后，我认为我的安装有问题或有什么问题，所以我切换到另一种方法。

2. 使用 Cloudera VM

   Cloudera还在那里提供了用于测试目的的现成VM。我尝试了一下，看看它是否能提供更好的性能，但没有太大的改进。我仍然无法以 5k/秒的速度插入数据。

我不知道我需要改进的地方。如果可以进行任何改进，我已经在下面粘贴了我的代码。

达到(5k - 10k/秒)速度的理想 Impala 配置是什么？这个速度仍然比黑斑羚所能达到的要小得多。

private static Connection connectViaDS() throws Exception {
Connection connection = null;
Class.forName("com.cloudera.impala.jdbc41.Driver");
connection = DriverManager.getConnection(CONNECTION_URL);
return connection;
}
private static void writeInABatchWithCompiledQuery(int records) {
int protocol_no = 233,s_port=20,d_port=34,packet=46,volume=58,duration=39,pps=76,
bps=65,bpp=89,i_vol=465,e_vol=345,i_pkt=5,e_pkt=54,s_i_ix=654,d_i_ix=444,_time=1000,flow=989;
String s_city = "Mumbai",s_country = "India", s_latt = "12.165.34c", s_long = "39.56.32d",
s_host="motadata",d_latt="29.25.43c",d_long="49.15.26c",d_city="Damouli",d_country="Nepal";
long e_date= 1275822966, e_time= 1370517366;
PreparedStatement preparedStatement;
int total = 1000*1000;
int counter =0;
Connection connection = null;
try {
connection = connectViaDS();
preparedStatement = connection.prepareStatement(sqlCompiledQuery);
Timestamp ed = new Timestamp(e_date);
Timestamp et = new Timestamp(e_time);
while(counter <total) {
for (int index = 1; index <= 5000; index++) {
counter++;
preparedStatement.setString(1, "s_ip" + String.valueOf(index));
preparedStatement.setString(2, "d_ip" + String.valueOf(index));
preparedStatement.setInt(3, protocol_no + index);
preparedStatement.setInt(4, s_port + index);
preparedStatement.setInt(5, d_port + index);
preparedStatement.setInt(6, packet + index);
preparedStatement.setInt(7, volume + index);
preparedStatement.setInt(8, duration + index);
preparedStatement.setInt(9, pps + index);
preparedStatement.setInt(10, bps + index);
preparedStatement.setInt(11, bpp + index);
preparedStatement.setString(12, s_latt + String.valueOf(index));
preparedStatement.setString(13, s_long + String.valueOf(index));
preparedStatement.setString(14, s_city + String.valueOf(index));
preparedStatement.setString(15, s_country + String.valueOf(index));
preparedStatement.setString(16, d_latt + String.valueOf(index));
preparedStatement.setString(17, d_long + String.valueOf(index));
preparedStatement.setString(18, d_city + String.valueOf(index));
preparedStatement.setString(19, d_country + String.valueOf(index));
preparedStatement.setInt(20, i_vol + index);
preparedStatement.setInt(21, e_vol + index);
preparedStatement.setInt(22, i_pkt + index);
preparedStatement.setInt(23, e_pkt + index);
preparedStatement.setInt(24, s_i_ix + index);
preparedStatement.setInt(25, d_i_ix + index);
preparedStatement.setString(26, s_host + String.valueOf(index));
preparedStatement.setTimestamp(27, ed);
preparedStatement.setTimestamp(28, et);
preparedStatement.setInt(29, _time);
preparedStatement.setInt(30, flow + index);
preparedStatement.addBatch();
}
preparedStatement.executeBatch();
preparedStatement.clearBatch();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
connection.close();
} catch (SQLException e) {
e.printStackTrace();
}
}
}

数据正在以蜗牛的速度更新。我尝试增加批量大小，但它降低了速度。我不知道我的代码是错误的，还是我需要调整 Impala 以获得更好的性能。请指导。

我正在使用虚拟机进行测试，以下是其他详细信息：

System.
Os - Ubuntu 16
RAM - 12 gb
Cloudera - CDH 6.2
Impala daemon limit - 2 gb
Java heap size impala daemon - 500mb
HDFS Java Heap Size of NameNode in Bytes - 500mb.

如果需要更多详细信息，请告诉我。

Answer 1

无法在具有 12GB 的 VM 上进行基准测试。 看看Impala的硬件要求，你会发现你至少需要128GB的内存。

• 记忆

建议使用 128 GB 或更多，理想情况下为 256 GB 或更多。如果特定节点上的查询处理期间的中间结果超过了该节点上 Impala 可用的内存量，则查询会将临时工作数据写入磁盘，这可能会导致查询时间过长。请注意，由于工作是并行的，并且聚合查询的中间结果通常小于原始数据，因此 Impala 可以查询和联接远大于单个节点上可用内存的表。

此外，VM 用于熟悉工具集，但它的功能还不够强大，甚至不足以成为开发环境。

引用

• 黑斑羚要求：硬件要求
• 调整黑斑羚以提高性能