HBase rowkey设计-热点问题

最新推荐文章于 2024-03-13 15:57:02 发布

caoli98033

最新推荐文章于 2024-03-13 15:57:02 发布

阅读量5.1k

点赞数 1

分类专栏： Hadoop 文章标签： hbase rowkey

本文链接：https://blog.csdn.net/caoli98033/article/details/44622611

版权

Hadoop 专栏收录该内容

10 篇文章 0 订阅

订阅专栏

当处理由连续事件得到的数据时，即时间上连续的数据。这些数据可能来自于某个传感器网络、证券交易或者一个监控系统。它们显著的特点就是rowkey中含有事件发生时间。带来的一个问题便是HBase对于row的不均衡分布，它们被存储在一个唯一的rowkey区间中，被称为region，区间的范围被称为Start Key和End Key。
如果将单调递增的时间类型数据作为rowkey，value很容易被散列到同一个Region中，这样它们会被存储在同一个服务器上，从而所有的访问和更新操作都会集中到这一台服务器上，从而在集群中形成一个hot spot，从而不能将集群的整体性能发挥出来。

要解决这个问题是非常容易的，只需要将所有的数据散列到全部的Region上即可。这是可以做到的，在rowkey前面加上一个非线性前缀，或者翻转rowkey，或者将rowkey hash化。

数据分散到不同的Region上存储，可以利用HBase的并行特点，可以利用MapReduce和spark计算框架并行处理数据。

下列代码是参考（在rowkey前面加上一个非线性前缀）

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.HTableDescriptor;
import org.apache.hadoop.hbase.KeyValue;
import org.apache.hadoop.hbase.MasterNotRunningException;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.ZooKeeperConnectionException;
import org.apache.hadoop.hbase.client.Get;
import org.apache.hadoop.hbase.client.HBaseAdmin;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.HTablePool;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.ResultScanner;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.filter.CompareFilter.CompareOp;
import org.apache.hadoop.hbase.filter.Filter;
import org.apache.hadoop.hbase.filter.FilterList;
import org.apache.hadoop.hbase.filter.PrefixFilter;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.util.Bytes;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import com.kktest.hbase.HashChoreWoker;
import com.kktest.hbase.HashRowKeyGenerator;
import com.kktest.hbase.RowKeyGenerator;
import com.kktest.hbase.BitUtils;
/**
* hbase 客户端
*
* @author kuang hj
*
*/
@SuppressWarnings("all")
public class HBaseClient {
private static Logger logger = LoggerFactory.getLogger(HBaseClient.class);
private static Configuration config;
static {
config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum",
"192.168.1.100:2181,192.168.1.101:2181,192.168.1.103:2181");
}
/**
* 根据随机散列（hash）创建分区表
*
* @throws Exception
* hash_split_table
*/
public static void testHashAndCreateTable(String tableNameTmp,
String columnFamily) throws Exception { // 取随机散列 10 代表 10个分区
HashChoreWoker worker = new HashChoreWoker(1000000, 10);
byte[][] splitKeys = worker.calcSplitKeys();
HBaseAdmin admin = new HBaseAdmin(config);
TableName tableName = TableName.valueOf(tableNameTmp);
if (admin.tableExists(tableName)) {
try {
admin.disableTable(tableName);
} catch (Exception e) {
}
admin.deleteTable(tableName);
}
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
HColumnDescriptor columnDesc = new HColumnDescriptor(
Bytes.toBytes(columnFamily));
columnDesc.setMaxVersions(1);
tableDesc.addFamily(columnDesc);
admin.createTable(tableDesc, splitKeys);
admin.close();
}
/**
* @Title: queryData
* @Description: 从HBase查询出数据
* @author kuang hj
* @param tableName
* 表名
* @param rowkey
* rowkey
* @return 返回用户信息的list
* @throws Exception
*/
@SuppressWarnings("all")
public static ArrayList<String> queryData(String tableName, String rowkey)
throws Exception {
ArrayList<String> list = new ArrayList<String>();
logger.info("开始时间");
//在高并发的情况下，最好不要使用HTable/HTablePool，用asynchbase
HTable table = new HTable(config, tableName);
Get get = new Get(rowkey.getBytes()); // 根据rowkey查询，该操作会比较费时
Result r = table.get(get);
logger.info("结束时间");
KeyValue[] kv = r.raw();
for (int i = 0; i < kv.length; i++) {
// 循环每一列
String key = kv[i].getKeyString();
String value = kv[i].getValueArray().toString();
// 将查询到的结果写入List中
list.add(key + ":"+ value);
}// end of 遍历每一列
return list;
}
/**
* 增加表数据
*
* @param tableName
* @param rowkey
*/
public static void insertData(String tableName, String rowkey) {
HTable table = null;
try {
table = new HTable(config, tableName);
// 一个PUT代表一行数据，再NEW一个PUT表示第二行数据,每行一个唯一的ROWKEY，此处rowkey为put构造方法中传入的值
for (int i = 1; i < 100; i++) {
byte[] result = getNumRowkey(rowkey,i);
Put put = new Put(result);
// 本行数据的第一列
put.add(rowkey.getBytes(), "name".getBytes(),
("aaa" + i).getBytes());
// 本行数据的第三列
put.add(rowkey.getBytes(), "age".getBytes(),
("bbb" + i).getBytes());
// 本行数据的第三列
put.add(rowkey.getBytes(), "address".getBytes(),
("ccc" + i).getBytes());
table.put(put);
}
} catch (Exception e1) {
e1.printStackTrace();
}
}
//在旧的rowkey前加上hash值，产生新的rowkey
private static byte[] getNewRowkey(String rowkey) {
byte[] result = null;
//hash值生成器
RowKeyGenerator rkGen = new HashRowKeyGenerator();
byte[] splitKeys = rkGen.nextId();
byte[] rowkeytmp = rowkey.getBytes();
//hash值字符串+旧rowkey=新rowkey
result = new byte[splitKeys.length + rowkeytmp.length];
System.arraycopy(splitKeys, 0, result, 0, splitKeys.length);
System.arraycopy(rowkeytmp, 0, result, splitKeys.length,
rowkeytmp.length);
return result;
}
public static void main(String[] args) {
RowKeyGenerator rkGen = new HashRowKeyGenerator();
byte[] splitKeys = rkGen.nextId();
System.out.println(splitKeys);
}
//与getNewRowkey类似
private static byte[] getNumRowkey(String rowkey, int i) {
byte[] result = null;
RowKeyGenerator rkGen = new HashRowKeyGenerator();
byte[] splitKeys = rkGen.nextId();
byte[] rowkeytmp = rowkey.getBytes();
byte[] intVal = BitUtils.getByteByInt(i);
//hash值字符串+旧rowkey+参数i字符串=新rowkey
result = new byte[splitKeys.length + rowkeytmp.length + intVal.length];
System.arraycopy(splitKeys, 0, result, 0, splitKeys.length);
System.arraycopy(rowkeytmp, 0, result, splitKeys.length,
rowkeytmp.length);
System.arraycopy(intVal, 0, result, splitKeys.length+rowkeytmp.length,
intVal.length);
return result;
}
/**
* 删除表
*
* @param tableName
*/
public static void dropTable(String tableName) {
try {
HBaseAdmin admin = new HBaseAdmin(config);
admin.disableTable(tableName);
admin.deleteTable(tableName);
} catch (MasterNotRunningException e) {
e.printStackTrace();
} catch (ZooKeeperConnectionException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 查询所有
*
* @param tableName
*/
public static void QueryAll(String tableName) {
HTable table = null;
try {
table = new HTable(config, tableName);
ResultScanner rs = table.getScanner(new Scan());
for (Result r : rs) {
System.out.println("获得到rowkey:" + new String(r.getRow()));
for (KeyValue keyValue : r.raw()) {
System.out.println("列：" + new String(keyValue.getFamily())
+ "====值:" + new String(keyValue.getValue()));
}
}
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 查询所有
*
* @param tableName
*/
public static void QueryByCondition1(String tableName) {
HTable table = null;
try {
table = new HTable(config, tableName);
Get scan = new Get("abcdef".getBytes());// 根据rowkey查询
Result r = table.get(scan);
System.out.println("获得到rowkey:" + new String(r.getRow()));
for (KeyValue keyValue : r.raw()) {
System.out.println("列：" + new String(keyValue.getFamily())
+ "====值:" + new String(keyValue.getValue()));
}
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 根据rowkwy前坠查询
* @param tableName
* @param rowkey
*/
public static void queryByRowKey(String tableName,String rowkey)
{
try {
HTable table = new HTable(config, tableName);
Scan scan = new Scan();
scan.setFilter(new PrefixFilter(rowkey.getBytes()));
ResultScanner rs = table.getScanner(scan);
KeyValue[] kvs = null;
for (Result tmp : rs)
{
kvs = tmp.raw();
for (KeyValue kv : kvs)
{
System.out.print(kv.getRow()+" ");
System.out.print(kv.getFamily()+" :");
System.out.print(kv.getQualifier()+" ");
System.out.print(kv.getTimestamp()+" ");
System.out.println(kv.getValue());
}
}
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 查询所有
*
* @param tableName
*/
public static void QueryByCondition2(String tableName) {
try {
HTable table = new HTable(config, tableName);
// 当列column1的值为aaa时进行查询
Filter filter = new SingleColumnValueFilter(
Bytes.toBytes("column1"), null, CompareOp.EQUAL,
Bytes.toBytes("aaa"));
Scan s = new Scan();
s.setFilter(filter);
ResultScanner rs = table.getScanner(s);
for (Result r : rs) {
System.out.println("获得到rowkey:" + new String(r.getRow()));
for (KeyValue keyValue : r.raw()) {
System.out.println("列：" + new String(keyValue.getFamily())
+ "====值:" + new String(keyValue.getValue()));
}
}
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 查询所有
*
* @param tableName
*/
public static void QueryByCondition3(String tableName) {
try {
HTable table = new HTable(config, tableName);
List<Filter> filters = new ArrayList<Filter>();
Filter filter1 = new SingleColumnValueFilter(
Bytes.toBytes("column1"), null, CompareOp.EQUAL,
Bytes.toBytes("aaa"));
filters.add(filter1);
Filter filter2 = new SingleColumnValueFilter(
Bytes.toBytes("column2"), null, CompareOp.EQUAL,
Bytes.toBytes("bbb"));
filters.add(filter2);
Filter filter3 = new SingleColumnValueFilter(
Bytes.toBytes("column3"), null, CompareOp.EQUAL,
Bytes.toBytes("ccc"));
filters.add(filter3);
FilterList filterList1 = new FilterList(filters);
Scan scan = new Scan();
scan.setFilter(filterList1);
ResultScanner rs = table.getScanner(scan);
for (Result r : rs) {
System.out.println("获得到rowkey:" + new String(r.getRow()));
for (KeyValue keyValue : r.raw()) {
System.out.println("列：" + new String(keyValue.getFamily())
+ "====值:" + new String(keyValue.getValue()));
}
}
rs.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}

HashChoreWoker：
import java.util.Iterator;
import java.util.TreeSet;
import org.apache.hadoop.hbase.util.Bytes;
/**
*
* @author kuang hj
*
*/
public class HashChoreWoker{
// 随机取机数目
private int baseRecord;
// rowkey生成器
private RowKeyGenerator rkGen;
// 取样时，由取样数目及region数相除所得的数量.
private int splitKeysBase;
// splitkeys个数
private int splitKeysNumber;
// 由抽样计算出来的splitkeys结果
private byte[][] splitKeys;
public HashChoreWoker(int baseRecord, int prepareRegions) {
this.baseRecord = baseRecord;
// 实例化rowkey生成器
rkGen = new HashRowKeyGenerator();
splitKeysNumber = prepareRegions - 1;
splitKeysBase = baseRecord / prepareRegions;
}
public byte[][] calcSplitKeys() {
splitKeys = new byte[splitKeysNumber][];
// 使用treeset保存抽样数据，已排序过
TreeSet<byte[]> rows = new TreeSet<byte[]>(Bytes.BYTES_COMPARATOR);
for (int i = 0; i < baseRecord; i++) {
rows.add(rkGen.nextId());
}
int pointer = 0;
Iterator<byte[]> rowKeyIter = rows.iterator();
int index = 0;
while (rowKeyIter.hasNext()) {
byte[] tempRow = rowKeyIter.next();
rowKeyIter.remove();
if ((pointer != 0) && (pointer % splitKeysBase == 0)) {
if (index < splitKeysNumber) {
splitKeys[index] = tempRow;
index++;
}
}
pointer++;
}
rows.clear();
rows = null;
return splitKeys;
}
}

HashRowKeyGenerator：
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.hbase.util.MD5Hash;
import com.kktest.hbase.BitUtils;
/**
*
*
**/
public class HashRowKeyGenerator implements RowKeyGenerator {
private static long currentId = 1;
private static long currentTime = System.currentTimeMillis();
//private static Random random = new Random();
public byte[] nextId()
{
try {
currentTime = getRowKeyResult(Long.MAX_VALUE - currentTime);
byte[] lowT = Bytes.copy(Bytes.toBytes(currentTime), 4, 4);
byte[] lowU = Bytes.copy(Bytes.toBytes(currentId), 4, 4);
byte[] result = Bytes.add(MD5Hash.getMD5AsHex(Bytes.add(lowT, lowU))
.substring(0, 8).getBytes(), Bytes.toBytes(currentId));
return result;
} finally {
currentId++;
}
}
/**
* getRowKeyResult
* @param tmpData
* @return
*/
public static long getRowKeyResult(long tmpData)
{
String str = String.valueOf(tmpData);
StringBuffer sb = new StringBuffer();
char[] charStr = str.toCharArray();
for (int i = charStr.length -1 ; i > 0; i--)
{
sb.append(charStr[i]);
}
return Long.parseLong(sb.toString());
}
}

上述代码示例通过getNewRowkey和getNumRowkey产生新的rowkey，即在rowkey前添加hash值，解决了rowkey热点问题。

当然该示例还包括了put，get，scan等操作。

顺便提一下rowkey设计注意点：

1.避免rowkey热点，通过hash、翻转rowkey、组合rowkey等方法可以避免这个问题，尽量避免直接使用time作为rowkey。

2.充分利用rowkey有序的特点，key-value对在hbase中的存储，是按照key来进行排序的。

3.使用多个字段组合成rowkey。

参考文章：http://blog.csdn.net/kuanghongjiang/article/details/41343789

caoli98033

关注

1
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
HBase rowkey设计-热点问题

当处理由连续事件得到的数据时，即时间上连续的数据。这些数据可能来自于某个传感器网络、证券交易或者一个监控系统。它们显著的特点就是rowkey中含有事件发生时间。带来的一个问题便是HBase对于row的不均衡分布，它们被存储在一个唯一的rowkey区间中，被称为region，区间的范围被称为Start Key和End Key。如果将单调递增的时间类型数据作为rowkey，valu
复制链接

扫一扫