hbase实践之rowkey设计

rowkey设计的重要性

rowkeys是HBase表设计中唯一重要的一点。

rowkey设计要求

• 唯一性

存储特性

• 按照字典顺序排序存储

查询特性

由于其存储特性导致查询特性：

• 查询单个记录；
• 查定一定范围的记录。

可能存在的问题

• 热点问题

什么是热点和数据倾斜
热点发生在大量的client直接访问集群的一个或极少数个节点（访问可能是读，写或者其他操作）。大量访问会使热点region所在的单个机器超出自身承受能力，引起性能下降甚至region不可用，这也会影响同一个RegionServer上的其他region，由于主机无法服务其他region的请求，造成资源浪费。设计良好的数据访问模式以使集群被充分，均衡的利用。
数据倾斜：Hbase可以被划分为多个Region，但是默认创建时只有一个Region分布在集群的一个节点上，数据一开始时都集中在这个Region，也就是集中在这一个节点上，就算region存储达到临界值时被划分，数据也是存储在少数节点上。这就是数据倾斜。

热点问题如何解决

通过多个分区来分散读写压力。

另外一次读写大量数据，也会导致机器性能问题，个人认为也可以通过分区来分散读写压力。

分区的本质

hbase相当对于一个表做水平拆分，比如范围[1,N]的数据在region1, 范围[N+1,2N]的数据在region2，依次类推，将数据分散到N个分区。

rowkey设计的几个设计技巧

1. 加盐
2. 前缀hash
3. 反转（ID，如手机号）
4. 反转时间撮Reverse Timestamps（时间撮）： (Long.MAX_VALUE - timestamp) to the end of any key, e.g. [key][reverse_timestamp].

这几个设计技巧，本质就是让数据分散，避免热点问题。

分区算法

分区算法就是制定数据分散的规则，划分每个分区的边界，Determining Split Points。

HBase 1* 自带的分区算法：

1. HexStringSplit（默认分区算法）。 左填充。RegionSplitter.HexStringSplit to partition their table and set it as default。row key是十六进制的字符串(hexadecimal ASCII)作为前缀的时候

2. UniformSplit（hash）:随机均匀分布，节省空间。如果是整形转bytes,肯定节省空间；如果是string转bytes,其实是不节省空间。右填充

   某个hbase的表查询只是以随机查询为主，可以用UniformSplit的方式进行，按照原始byte值（从0x00~0xFF）右边以00填充。以这种方式分区的表在插入的时候需要对rowkey进行一个技巧性的改造， 比如原来的rowkey为rawStr，则需要对其取hashCode，然后进行按照比特位反转后放在最初rowkey串的前面

• 关于2个分区算法的示例：http://www.openkb.info/2014/05/hbase-region-split.html

此外还可以自定义分区算法:预分区:随机生成key,指定region的startkey、endkey。
Relationship Between RowKeys and Region Splits

Lesson #1: Pre-splitting tables is generally a best practice, but you need to pre-split them in such a way that all the regions are accessible in the keyspace. While this example demonstrated the problem with a hex-key keyspace, the same problem can happen with any keyspace. Know your data.
预分区是最佳实践，但是需要对于所有region的访问都在key空间中。

Lesson #2: While generally not advisable, using hex-keys (and more generally, displayable data) can still work with pre-split tables as long as all the created regions are accessible in the keyspace.
当通常的方案（预分区）做不到，可以采用十六进制key。

最好先将int 转成 byte[]。 byte[] b = String.format("%016x", key).getBytes();

如何根据实际场景来设计rowkey

此处可参考《滴滴HBASE使用经验》

其他

如果将时序数据存入HBase,可以研究OpenTSDB方案。

参考文献

• hbase-region预分区(pre-splitting)