hbase和es在搜索场景的应用

背景

    最近有个简单的需求，离线数据挖掘得出的标签需要支持online的查询，查询场景比较简单，支持按照单个id或者多个id批量查询，tp99需要在200ms，批量的时候id 集合的大小不会超过1000，平均下来不会超过200的样子。这种场景直接上ES相对来说比较省事，不过ES占用资源较多，想尝试用hbase来解决这种场景，下面记录下具体的过程。

     为何要考虑HBase?

    为何要用hbase呢？离线数据是存放在hive表里面的，虽然hbase导入hbase和es都挺方便的，不过据我们测试的情况看，hive2hbase采用bulkload 的方式会快些，而且比较简单。导入es的过程中步骤繁琐，需要设置刷新时间和副本数，设置段合并和别名之类的操作，相对来说麻烦许多。hbase按照 rowkey查询的性能还行，单次查询在10+ms左右，虽然支持索引，不过性能差强人意，暂时不准备利用其自身的索引。 只利用hbase来存储元信息，这些信息相对来说比较占空间，仅支持按照 rowkey来查找。

     HBase的若干问题

1. rowkey的设计，这个关系到数据是否分布均匀，一般根据业务场景强相关，我们这个就是按照id来设计的查询，前期考虑根据id的首个数字来进行划分，后来发现 region server 存在严重的热点问题，看了下数据才发现，我们的id是子增的，而且id比较大，主要都落到2，3开头的region里面了，对于自增的id可以采用id%n 的方法来划分ÿ