这个参数会给使用者带来什么影响?

　　比如，10G内存，100个region，每个memstore 64M，假设每个region只有一个memstore，那么当100个memstore平均占用到50%左右时，会达到lowerLimit的限制。假设此时，其他memstore同样有很多的写请求进来。在那些大的region未flush完，可能又超过了upperlimit，则所有region都会被block，开始触发全局flush。

　　hfile.block.cache.size

　　默认值：0.2

　　说明：storefile的读缓存占用Heap的大小百分比，0.2表示20%。该值直接影响数据读的性能。

　　调优：当然是越大越好，如果读比写少，开到0.4-0.5也没问题。如果读写较均衡，0.3左右。如果写比读多，果断默认吧。设置这个值的时候，你同时要参考 hbase.regionserver.global.memstore.upperLimit ，该值是memstore占heap的大百分比，两个参数一个影响读，一个影响写。如果两值加起来超过80-90%，会有OOM的风险，谨慎设置。

　　hbase.hstore.blockingStoreFiles

　　默认值：7

　　说明：在compaction时，如果一个Store?oulmn Family)内有超过7个storefile需要合并，则block所有的写请求，进行flush，限制storefile数量增长过快。

　　调优：block请求会影响当前region的读写性能，将值设为单个region可以支撑的大store file数量会是个不错的选择。大storefile数量可通过region size/memstore size来计算。如果你将region size设为无限大，那么你需要预估一个region可能产生的大storefile数。

　　hbase.hregion.memstore.block.multiplier

　　默认值：2

　　说明：当一个region里的memstore超过单个memstore.size两倍的大小时，block该region的所有请求，进行flush，释放内存。虽然我们设置了memstore的总大小，比如64M，但想象一下，在后63.9M的时候，我Put了一个100M的数据或写请求量暴增，后一秒钟put了1万次，此时memstore的大小会瞬间暴涨到超过预期的memstore.size。这个参数的作用是当memstore的大小增至超过memstore.size时，block所有请求，遏制风险进一步扩大。

　　调优： 这个参数的默认值还是比较靠谱的。如果你预估你的正常应用场景(不包括异常)不会出现突发写或写的量可控，那么保持默认值即可。如果正常情况下，你的写量会经常暴增，那么你应该调大这个倍数并调整其他参数值，比如hfile.block.cache.size和hbase.regionserver.global.memstore.upperLimit/lowerLimit，以预留更多内存，防止HBase server OOM。

　　其他

　　启用LZO压缩

　　LZO对比Hbase默认的GZip，前者性能较高，后者压缩比较高，具体参见 Using LZO Compression 。对于想提高HBase读写性能的开发者，采用LZO是比较好的选择。对于非常在乎存储空间的开发者，则建议保持默认。

　　不要在一张表里定义太多的Column Family

　　Hbase目前不能良好的处理超过2-3个CF的表。因为某个CF在flush发生时，它邻近的CF也会因关联效应被触发flush，终导致系统产生很多IO。

　　批量导入

　　在批量导入数据到Hbase前，你可以通过预先创建region，来平衡数据的负载。详见 Table Creation: Pre-Creating Regions

　　Hbase客户端优化

　　AutoFlush

　　将HTable的setAutoFlush设为false，可以支持客户端批量更新。即当Put填满客户端flush缓存时，才发送到服务端。

　　默认是true。

　　Scan Caching

　　scanner一次缓存多少数据来scan(从服务端一次抓多少数据回来scan)。

　　默认值是 1，一次只取一条。

　　Scan Attribute Selection

　　scan时建议指定需要的Column Family，减少通信量，否则scan默认会返回整个row的所有数据(所有Coulmn Family)。

　　Close ResultScanners

　　通过scan取完数据后，记得要关闭ResultScanner，否则RegionServer可能会出现问题。

　　Optimal Loading of Row Keys

　　当你scan一张表的时候，返回结果只需要row key(不需要CF， qualifier，values，timestaps)时，你可以在scan实例中添加一个filterList，并设置 MUST_PASS_ALL操作，filterList中add FirstKeyOnlyFilter或KeyOnlyFilter。这样可以减少网络通信量。

　　Turn off WAL on Puts

　　当Put某些非重要数据时，你可以设置writeToWAL(false)，来进一步提高写性能。writeToWAL(false)会在Put时放弃写WAL log。风险是，当RegionServer宕机时，可能你刚才Put的那些数据会丢失，且无法恢复。

　　启用Bloom Filter

　　Bloom Filter通过空间换时间，提高读操作性能。