时间戳反转
在Hbase中,使用单调增加的rowkey值是不推荐的。 通过将输入记录随机化为不按排序顺序,这样可以减轻由单调增加的rowkey引起的单个区域的数据堆积。
一般情况下,最好避免使用时间戳或序列(例如,1,2,3) 作为行键。
如果你确实需要将时间序列数据上传到HBase,那么可以参考下OpenTSDB中作为例子。 它有一个页面描述它在HBase中使用的模式。 OpenTSDB中的关键格式实际上是[metric_type] [event_timestamp],乍一看似乎与先前关于不使用时间戳作为关键字的建议相矛盾。
但是,不同之处在于时间戳不在key的前导位置,并且设计假设是存在数十或数百(或更多)不同的度量类型。 因此,即使具有混合度量类型的连续输入数据流,Puts也分布在表中的各个区域region点上。
另一个常见的数据处理问题是快速获取数据的最近版本,使用反转的时间戳作为rowkey的一部分对这个问题十分有用,可以用 Long.Max_Value - timestamp 追加到key的末尾,例如 [key][reverse_timestamp] , [key] 的最新值可以通过scan [key]获得[key]的第一条记录,因为HBase中rowkey是有序的,第一条记录是最后录入的数据。
比如需要保存一个用户的操作记录,按照操作时间倒序排序,在设计rowkey的时候,可以这样设计
[userId反转][Long.Max_Value - timestamp],在查询用户的所有操作记录数据的时候,直接指定反转后的userId,startRow是[userId反转][000000000000], stopRow是[userId反转][Long.Max_Value - timestamp]
如果需要查询某段时间的操作记录,startRow是[user反转][Long.Max_Value - 起始时间],stopRow是[userId反转][Long.Max_Value - 结束时间]