hbase快速入门之---表设计（使用建议）

ØColumn Family

建议不要在一张表里定义多个的 column family 。目前 Hbase 并不能很好的处理超过 2~3 个 column family 的表。因为某个 column family 在 flush 的时候，它邻近的 column family 也会因关联效应被触发 flush ，最终导致系统产生更多的 I/O 。

Ø 使用压缩

由于 HBase 的 KeyValue 的存储特性，使用压缩减少对硬盘和网络的压力，从而提高集群的整体吞吐量。推荐使用 snappy 压缩。

Ø 开启 Bloom filter

开启 Bloom filter ， HBase 可以利用 Bloomfilter 来提高查询性能，但是会增加存储的开销。

ØRowkey 设计

数字 rowkey 的从大到小排序： hbase 只支持从小到大的排序，这样就对于排行榜一类的查询需求很尴尬。那么采用 rowkey = Integer.MAX_VALUE-rowkey 的方式将 rowkey 进行转换，最大的变最小，最小的变最大。在应用层再转回来即可完成排序需求。

对于多字段查询的情况，可以把考虑多个查询条件拼在 rowkey 中。这样既能满足多条件查询，又能有很快的查询速度。

如果 rowkey 是类似时间戳的方式递增的生成，建议不要使用正序直接写入 rowkey ，这样容易产生所有新数据都在一个 regionserver 上堆积的现象，影响性能。可以考虑采用 reverse 的方式反转 rowkey ，使得 rowkey 大致均衡分布，这样设计有个好处是能将 regionserver 的负载均衡。

以下我给了一些使用 HBase 时候对表格设计的一些建议，读者也可以理解背后的含义。不过我并不希望这些建议成为使用 HBase 的教条，毕竟也有不尽合理的地方。首先，一个 HBase 数据库是否高效，很大程度会和 Row-Key 的设计有关。因此，如何设计 Row-key 是使用 HBase 时，一个非常重要的话题。随着数据访问方式的不同，Row-Key 的设计也会有所不同。不过概括起来的宗旨只有一个，那就是尽可能选择一个 Row-Key，可以使你的数据均匀的分布在集群中。这也很容易理解，因为 HBase 是一个分布式环境，Client 会访问不同 Region Server 获取数据。如果数据排布均匀在不同的多个节点，那么在批量的 Client 便可以从不同的 Region Server 上获取数据，而不是瓶颈在某一个节点，性能自然会有所提升。对于具体的建议我们一般有几条：

1. 当客户端需要频繁的写一张表，随机的 RowKey 会获得更好的性能。
2. 当客户端需要频繁的读一张表，有序的 RowKey 则会获得更好的性能。
3. 对于时间连续的数据（例如 log），有序的 RowKey 会很方便查询一段时间的数据（Scan 操作）。