Hbase的RowKey设计原理

rowKey设计需要遵循三大原则：

1. 唯一性原则

rowkey在设计时必须保证其唯一性，这是由于HBase的核心存储结构是KeyValue形式，在同个版本表格的情况下，如果后添加的rowkey与已有的相同，则会覆盖原先的数据。

补充：
排序原则
在Hbase中，rowkey是按照Ascll的顺序排序存储的，因此在rowkey的设计时，要充分利用这个特点，将经常读取的数据存储到一块，将最近可能会被访问的数据存储到一起。

2. 长度原则

rowkey是一个二进制码流，可以是任意字符串，最大长度为64k，实际应用中一般为10-100byte，以byte[]形式保存，一般设计为定长，建议越短越好，不超过16个字节。这是由于Hbase的数据持久化文件HFiile是按照KeyValue形式存储，rowkey设计过长的话，在大量数据存储的情况下，rowkey会占用大量存储空间，极大影响HFile的存储效率；MemStore将缓存部分数据到内存中，rowkey过长，内存的有效利用率就会降低，从而导致系统不能缓存再多的数据，降低检索的效率。

3. 散列原则

即让rowkey没有任何规律，从而实现设计的rowkey均匀的分布在每个Hbase节点上。就以常见的时间戳为例，如果rowkey按照时间戳的方式递增，那么不要将时间戳设计到第一部分，以避免所有的数据集中在一个RegionServer上，造成热点堆积导致的单个RegionServer负载过高的问题，从而提高查询效率。
可以以一下几种方法解决：
1). 加盐
如果rowkey按照时间戳的方式递增，则可以在rowkey前增加随机数，以避免热点堆积。
2). 哈希散列
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。
3). 反转
反转固定长度或者数字格式的rowkey。这样可以有效的随机rowkey，但是会牺牲rowkey的有序性。
4). 时间戳反转
快速获取数据的最近版本，使用反转的时间戳作为rowkey的一部分。