HBase Rowkey散列和预分区设计

预分区背景

HBase默认建表时有一个region，这个region的rowkey是没有边界的，即没有startkey和endkey，在数据写入时，所有数据都会写入这个默认的region，随着数据量的不断增加，此region已经不能承受不断增长的数据量，会进行split，分成2个region。

在此过程中，会产生两个问题：

1. 数据往一个region上写,会有写热点问题。造成单机负载压力大，影响业务的正常读写。
2. region split会消耗宝贵的集群I/O资源。

基于此我们可以控制在建表的时候，创建多个空region，并确定每个region的起始和终止rowky，这样只要我们的rowkey设计能均匀的命中各个region，就不会存在写热点问题。自然split的几率也会大大降低。当然随着数据量的不断增长，该split的还是要进行split。像这样预先创建hbase表分区的方式，称之为 预分区。

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

随机散列与预分区二者结合起来，是比较完美的。预分区一开始就预建好了一部分region，这些region都维护着自己的start-end keys，在配合上随机散列，写数据能均衡的命中这些预建的region，就能解决上面的那些缺点，大大提供性能。

1. 固定散列值

如果对rowkey加前缀盐处理，可以选择固定前缀预分区，分区规则如

• a , b , c , d
• 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9

这里所说的加盐不是 密码学中的加盐 ，而是在 rowkey 的前面增加随机数，具体就是给 rowkey 分配一个随机前缀以使得它和之前的 rowkey 的开头不同。分配的前缀种类数量应该 和你想使用数据分散到不同的 region 的数量一致。加盐之后的 rowkey 就会根据随机生成的 前缀分散到各个 region 上，以避免热点。

create 'user1',{NAME=>'f'},{NAME=>'d'},SPLITS=>['0|','1|','3|','4|','5|','6|','7|','8|','9|']

固定值散列，后面添加"|",因为|编码值最大

2. HexStringSplit（ASCII码预拆分策略）

Hbase 自带了两种 pre-split 的算法，分别是 HexStringSplit 和 UniformSplit 。HexStringSplit 适用于十六进制字符的 Rowkey（MD5）。UniformSplit 适用于随机字节组成的 Rowkey（Hash）。

如果我们的row key是 十六进制的字符串 作为前缀的，称之为HexStringSplit就比较适合用HexStringSplit，作为pre-split的算法。例如，我们使用HexHash(prefix)作为row key的前缀，其中Hexhash为最终得到十六进制字符串的hash算法，我们通常手动指定SPLITS来指定预分区，我们也可以用我们自己的split算法。

只需要传入一个要拆分的Region的数量，HexStringSplit会将数据 从起始到结束之间 的数据长度按照n等分之后算出每一段的起始rowkey和结束rowkey，以此作为拆分点。

• 起始 00000000
• 结束 FFFFFFFF

create 'test',{NAME=>'f',COMPRESSION=>'SNAPPY'},{NUMREGIONS => 30, SPLITALGO => 'HexStringSplit'}

3. UniformSplit（字节码预拆分策略）

只需要传入一个要拆分的Region的数量
与ASCII码预拆分不同的是，起始结束不是String而是 byte[]

• 起始rowkey是 ArrayUtils.EMPTY_BYTE_ARRAY = new byte[0];
• 结束rowkey是 new byte[]{xFF,xFF,xFF,xFF,xFF,xFF,xFF,xFF}

长度n等分，然后取每一段的起始和结束作为拆分点

防止热点的有效措施

哈希
　
哈希会使同一行永远用一个前缀加盐。哈希也可以使负载分散到整个集群，但是读却是 可以预测的。使用确定的哈希可以让客户端重构完整的 rowkey，可以使用 get 操作准确获取 某一个行数据

HBase 写入流程

• 第1步：Client获取数据写入的Region所在的RegionServer
• 第2步：请求写Hlog
• 第3步：请求写MemStore

只有当写Hlog和写MemStore都成功了才算请求写入完成。MemStore后续会逐渐刷到HDFS中。Hlog存储在HDFS，当RegionServer出现异常，需要使用Hlog来恢复数据。