Hbase预分区与优化

Hbase支持两种读读操作，Scan & Get两种，Get在hbase的内部也是会转换成startRow == endRow的操作，所以本文就只介绍Get操作。

Scan的实际执行者是RegionScannerImpl ，下面是一张整体ScannerImpl的调用图

关于Scan的参数：

Get和Scan其实是同一操作，get是startRow==endRow的Scan，不过在判断stopRow的时候会考虑stop的闭区间。

RegionScannerImpl内部保存所有的StoreScanner也是放在一个KeyValueHeap中，但是由于每个Scanner处于一个family，所以统一rowkey的话，一个StoreScanner中的Cell会一直保持较大/较小的排序，所以在这里可以每次heap.top一个scanner，然后批量取result。

batch，这个表示每次取出的同一rowkey下的Cell数量限制，默认是-1，不限制，取出这个rowkey下的所有Cell(但是family中有个配置可以限制这个的最大值)，按照Cell的排序从小到大，知道limit为止，一个family没取够，下一个family继续。所以如果batch较小，可能会在client端一行数据返回两个Result。

Filter的行过滤、reset在这里体现，若是被过滤掉了且未到stopRow，则继续读下一行

Get是一次性的调用一个next(result.limit),scan是调用多次返回多个result返回给client

Scan开始之间会根据定义从region.mvcc中去除readpoint

Get：

按照RowKey获取唯一一条记录。get的方法处理分两种：设置了ClosestRowBefore和没有设置ClosestRowBefore的RowLock。

Scan：

按照指定的条件获取一批记录。

可以通过setCaching和setBatch方法提高速度；
可以通过setStartRow与setEndRow来限定范围；
可以通过setFilter方法添加过滤器，这也是分页、多条件查询的基础；

1. Hbase设计七大原则

1.1）每个region的大小应该控制在10G到50G之间；

1.2）一个表最好保持在 50到100个 region的规模；

1.3）每个cell最大不应该超过10MB

如果超过，应该有些考虑业务拆分，如果实在无法拆分，那就只能使用mob；

1.4）我们设置一个列族

1.5）列族名必须尽量短

因为我们知道在存储的时候，每个keyvalue都会包含列族名；

1.