HBase优化方式

1. 设定预分区

每一个region维护着StartKey与EndKey，如果加入的数据符合某个Region维护的RowKey范围，则该数据交给这个Region维护。那么依照这个原则，我们可以将数据所要投放的分区提前大致的规划好，以提高HBase性能。

在建表的时候规划好预分区，即每张表被切分成多少个region。

如何设计预分区个数：

1. 估计未来半年到一年的数据量，生成过程中保证每个分区的数据量小于10G
2. 根据机器规模，生成过程中每张表最大每台机器放2-3个region

生产环境中如何设计分区键：

比如需要设置300个预分区，一般会设置成这样

001|

002|

...

299|

对应的ROWkey设置成下面，因为按字典排序时|比_大

001_

002_

...

299_

 

1．手动设定预分区

Hbase> create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']

 

其中EndKey被称为分区键，也就是['1000','2000','3000','4000']

2．生成16进制序列预分区

create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

3．按照文件中设置的规则预分区

创建splits.txt文件内容如下：

aaaa bbbb cccc dddd

然后执行：

create 'staff3','partition3',SPLITS_FILE => 'splits.txt'

4．使用JavaAPI创建预分区

//自定义算法，产生一系列hash散列值存储在二维数组中 byte[][] splitKeys = 某个散列值函数 //创建HbaseAdmin实例 HBaseAdmin hAdmin = new HBaseAdmin(HbaseConfiguration.create()); //创建HTableDescriptor实例 HTableDescriptor tableDesc = new HTableDescriptor(tableName); //通过HTableDescriptor实例和散列值二维数组创建带有预分区的Hbase表 hAdmin.createTable(tableDesc, splitKeys);

 

2. RowKey设计

设计原则：

散列性：让数据均匀的分布于所有分区中，防止数据倾斜

唯一性：一条数据的唯一标识就是RowKey

长度原则：生成环境中一般是70-100位

一条数据的唯一标识就是RowKey，那么这条数据存储于哪个分区，取决于RowKey处于哪个一个预分区的区间内，设计RowKey的主要目的 ，就是让数据均匀的分布于所有的region中，在一定程度上防止数据倾斜。接下来我们就谈一谈RowKey常用的设计方案。

1．生成随机数、hash、散列值

比如： 原本rowKey为1001的，SHA1后变成：dd01903921ea24941c26a48f2cec24e0bb0e8cc7 原本rowKey为3001的，SHA1后变成：49042c54de64a1e9bf0b33e00245660ef92dc7bd 原本rowKey为5001的，SHA1后变成：7b61dec07e02c188790670af43e717f0f46e8913 在做此操作之前，一般我们会选择从数据集中抽取样本，来决定什么样的rowKey来Hash后作为每个分区的临界值。

2．字符串反转（特别是时间戳反转）

20170524000001转成10000042507102 20170524000002转成20000042507102

这样也可以在一定程度上散列逐步put进来的数据。

3．字符串拼接

20170524000001_a12e 20170524000001_93i7