Hbase的热点问题以及rowkey的设计原则

什么是数据热点？

有了分区就会有数据热点问题。分区之后大量数据写入到某些集中的region中，导致这些region所在的regionServer节点承接了大量的任务，而有的节点则没有数据很闲，这就造成了数据热点。

如何解决数据热点问题？

1.加盐处理，在rowKey前面加随机数，可以使数据分布更加的均匀

例子：insert into test select concat(rand(),'zk') from test1

2.hash处理，计算rowKey的hash值，可以让数据离散，可以让关联性较强的数据放在一起，有利于后期的业务查询。

例子：insert into test select hash('zk') from test1

3.反转字符(reverse),可以反转手机号码或者身份证号码等等，基本可以保证数据的均匀分布，但是会把关联性较强的数据全部打散分在不同的region,不利于后期业务的查询，不推荐使用。

rowkey的设计原则

rowKey的设计主要是让数据均匀的分布在每个region上面，一定程度上防止数据的热点

三大原则：

唯一原则

排序原则

散列原则