日志有其非常典型的特点：

• 海量：日志的产出代价是比较小的，随着应用规模的增大，日志数据体量会非常大。
• 要求高吞吐率：对单条日志从产出到写入的延迟没有要求，而重视的是消费短时间内产生的大量日志数据的吞吐率。
• 处理可异步化：日志是业务性比较低的数据，一般不在业务的主线上，通常是离线处理，所以可异步化。
• 可重复写入：日志是固化的数据，重复写入也不会影响数据的正确性。

消息系统例如即时通讯，特点同样是：

• 海量（例如写入放大的群消息等）
• 要求高吞吐率：对单条消息的延迟不需要很高，可接受百毫秒级别的延迟，但是更注重的是短时间内产生的海量数据的写入（投递）速度。
• 处理可异步化：消息的处理是完全可以被异步化的
• 可重复写入：消息通常都会标注唯一的消息ID，且消息产生后不会更改，所以重复写入不会带来什么问题。

分布式队列的应用场景非常广，被广泛用在复杂的分布式系统中。它在提供高性能的消息传递之外，对架构的好处在于能够解耦模块之间的依赖，简化系统的架构。

若您的应用架构中，也用到了分布式队列，并且数据的消费者之一是将数据导入到表格存储数据库中，那也可以考虑使用TableStoreWriter。TableStoreWriter自身也是一个生产者消费者模型，与分布式队列的适用场景有相似之处。

图1 OTSWriter与SDK的层次关系

    如图1所示，TableStoreWriter是基于SDK层接口之上重新包装的一层接口，它与TableStore Java SDK的关系是：

• 依赖了SDK提供的AsyncClient异步接口
• 导入数据会使用BatchWriteRow接口
• 单行异常重试依赖SDK提供的RetryStrategy

内部架构

ClientConfiguration cc = new ClientConfiguration();
cc.setRetryStrategy(new DefaultRetryStrategy()); // 可定制重试策略，若需要保证数据写入成功率，可采用更激进的重试策略
AsyncClient asyncClient = new AsyncClient(endPoint, accessId, accessKey, instanceName, cc);

// 初始化
WriterConfig config = new WriterConfig();
config.setMaxBatchSize(4 * 1024 * 1024); // 配置一次批量导入请求的大小限制，默认是4MB
config.setMaxColumnsCount(128); // 配置一行的列数的上限，默认128列
config.setBufferSize(1024); // 配置内存中最多缓冲的数据行数，默认1024行，必须是2的指数倍
config.setMaxBatchRowsCount(100); // 配置一次批量导入的行数上限，默认100
config.setConcurrency(10); // 配置最大并发数，默认10
config.setMaxAttrColumnSize(2 * 1024 * 1024); // 配置属性列的值大小上限，默认是2MB
config.setMaxPKColumnSize(1024); // 配置主键列的值大小上限，默认1KB
config.setFlushInterval(10000); // 配置缓冲区flush的时间间隔，默认10s

// 配置一个callback，OTSWriter通过该callback反馈哪些导入成功，哪些行导入失败，该callback只简单的统计写入成功和失败的行数。

AtomicLong succeedCount = new AtomicLong();
AtomicLong failedCount = new AtomicLong();
TableStoreCallback<RowChange, ConsumedCapacity> callback = new SampleCallback(succeedCount, failedCount);
ExecutorService executor = Executors.newFixedThreadPool(2);
TableStoreWriter tablestoreWriter = new DefaultTableStoreWriter(asyncClient, tableName, config, callback, executor);

初始化一个TableStoreWriter需要以下几个配置参数：

1. AsyncClient：一个提供异步调用的TableStore client，注意由于重试策略是依赖于SDK自身的重试策略，所以若需要定制批量写数据的重试策略，需要在这个Client中配置，如示例所示。
2. WriterConfig：OTSWriter的相关配置，主要包括：限制项（一次批量写的行数上限、一次请求的大小限制等）、并发数（异步并发写入的并发数上限）等。
3. TableStoreCallback<RowChange, ConsumedCapacity>：处理行级别成功或失败的callback。
4. ExecutorService：用于处理callback调用的executor thread pool。

int start = id * rowsCount; for (int i = 0; i < rowsCount; i++) { PrimaryKey primaryKey = PrimaryKeyBuilder.createPrimaryKeyBuilder() .addPrimaryKeyColumn("gid", PrimaryKeyValue.fromLong(start + i)) .addPrimaryKeyColumn("uid", PrimaryKeyValue.fromLong(start + i)).build(); RowPutChange rowChange = new RowPutChange(tableName); rowChange.setPrimaryKey(primaryKey); rowChange.addColumn("col1", ColumnValue.fromBoolean(true)); rowChange.addColumn("col2", ColumnValue.fromLong(10)); rowChange.addColumn("col3", ColumnValue.fromString("Hello world.")); tablestoreWriter.addRowChange(rowChange); }

往TableStoreWriter内写数据非常的简单，根据相应的请求（RowPutChange、RowUpdateChange或RowDeleteChange）构造不同的RowChange，直接往TableStoreWriter内扔即可。

private static class SampleCallback implements TableStoreCallback<RowChange, ConsumedCapacity> {
    private AtomicLong succeedCount;
    private AtomicLong failedCount;

    public SampleCallback(AtomicLong succeedCount, AtomicLong failedCount) {
        this.succeedCount = succeedCount;
        this.failedCount = failedCount;
    }

    @Override
    public void onCompleted(RowChange req, ConsumedCapacity res) {
    

succeedCount.incrementAndGet();
    }

    @Override
    public void onFailed(RowChange req, Exception ex) {
    

ex.printStackTrace();
        failedCount.incrementAndGet();
    }
}

TableStoreWriter通过callback来反馈行级别的成功或者失败，若成功，即调用onComplete函数，若失败，根据异常的类别，调用对应的onFailed函数。

1.
表格存储Java SDK性能优化经验

联系我们

• 阿里云TableStore官方网站
• 阿里云TableStore官方论坛
• 阿里云TableStore官方文档中心
• 阿里云云栖社区
• 阿里云工单系统