HBase 预分区与RowKey设计

预分区

Hbase中每一个region维护着startRow与endRowKey，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。

1. 手动设定预分区

HBase> create 'staff1','info','partition1',SPLITS => ['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);

RowKey设计

Hbase中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。接下来谈一谈rowkey常用的设计方案。

1. 生成随机数、hash、散列值

	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

	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