HBase-3rowkey的设计

HBase表热点

1 什么是热点

• 检索habse的记录首先要通过row key来定位数据行。
• 当大量的client访问hbase集群的一个或少数几个节点，造成少数region server的读/写请求过多、负载过大，而其他region server负载却很小，就造成了“热点”现象。

2 热点的解决方案

2.1 预分区

• 预分区的目的让表的数据可以均衡的分散在集群中，而不是默认只有一个region分布在集群的一个节点上。

2.2 加盐

• 这里所说的加盐不是密码学中的加盐，而是在rowkey的前面增加随机数，具体就是给rowkey分配一个随机前缀以使得它和之前的rowkey的开头不同

2.3 哈希

• 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。

rowkey=MD5(username).subString(0,10)+时间戳

2.4 反转

• 反转固定长度或者数字格式的rowkey。这样可以使得rowkey中经常改变的部分（最没有意义的部分）放在前面。
• 这样可以有效的随机rowkey，但是牺牲了rowkey的有序性。

电信公司：
移动-----------> 136xxxx9301  ----->1039xxxx631
				   136xxxx1234
				   136xxxx2341
电信
联通

user表
rowkey    name    age   sex    address
          lisi1   21     m      beijing
          lisi2   22     m      beijing
	  lisi3   25     m      beijing
	  lisi4   30     m      beijing
	  lisi5   40     f      shanghai
	  lisi6   50     f      tianjin

需求：后期想经常按照居住地和年龄进行查询？
rowkey= address+age+随机数
        beijing21+随机数
        beijing22+随机数
        beijing25+随机数
        beijing30+随机数

rowkey= address+age+随机数

Rowkey 设计

1 rowkey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64kb，实际应用中一般为10-100bytes，以byte[]形式保存，一般设计成定长。

• 建议尽可能短；但是也不能太短，否则rowkey前缀重复的概率增大
• 设计过长会降低memstore内存的利用率和HFile存储数据的效率。

2 rowkey散列原则

• 建议将rowkey的高位作为散列字段，这样将提高数据均衡分布在每个RegionServer，以实现负载均衡的几率。
• 如果没有散列字段，首字段直接是时间信息。所有的数据都会集中在一个RegionServer上，这样在数据检索的时候负载会集中在个别的RegionServer上，造成热点问题，会降低查询效率。

3 rowkey唯一原则

• 必须在设计上保证其唯一性，rowkey是按照字典顺序排序存储的
• 因此，设计rowkey的时候，要充分利用这个排序的特点，可以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放到一块

云数据库HBase的Rowkey设计在数据分区和数据查询中很重要，本节介绍设计Rowkey前需要考虑的一些问题以及设计示例。

问题考虑

• 问题一：Rowkey是唯一的吗？

  相同的Rowkey在HBase中认为是同一条数据的多个版本，查询时默认返回最新版本的数据，所以通常Rowkey都需要保证唯一，除非用到多版本特性。

  最佳设计示例：Rowkey相当于数据库的主键。Rowkey表示一条记录。Rowkey可以是一个字段也可以是多个字段接起来。Rowkey为[userid]表示每个用户只有一条记录， Rowkey为[userid][orderid]表示每个用户有多条记录。

• 问题二：满足哪种查询场景？
  Rowkey的设计限制了数据的查询方式，HBase有两种查询方式。

  • 根据完整的Rowkey查询（get方式），例如SELECT * FROM table WHERE Rowkey = ‘abcde’。
     

    说明 get方式需要知道完整的Rowkey，即组成Rowkey所有字段的值都是确定的。
  • 根据Rowkey的范围查询（scan方式），例如SELECT * FROM table WHERE ‘abc’ < Rowkey <’abcx’。
     

    说明 scan方式需要知道Rowkey左边的值，例如您使用英文字典查询pre开头的所有单词，也可以查询prefi开头的所有单词，不能查询中间或结尾为prefi的单词。
  最佳设计示例：在有限的查询方式下如何实现复杂查询？以下方法可以帮您实现。

  • 再新建一张表作为索引表。
  • 使用Filter在服务端过滤不需要的数据。
  • 使用二级索引。
  • 使用反向scan方法实现倒序（将新数据排在前面），scan.setReverse(true)。
     

    说明 反向scan的性能比正常scan性能差，如果大部分是倒序场景可以体现在Rowkey设计上，例如[hostname][log-event][timestamp] => [hostname][log-event][Long.MAX_VALUE – timestamp]。
• 问题三：数据足够分散，会存在堆积的热点现象吗？

  散列的目的是将数据分散到不同的分区，不至于产生热点使某一台服务器终止，其他服务器空闲，充分发挥分布式和并发的优势。

  最佳设计示例：

  • 设计md5散列算法：[userId][orderid] => [md5(userid).subStr(0,4)][userId][orderid] 。
  • 设计反转：[userId][orderid] => [reverse(userid)][orderid]。
  • 设计取模：[timestamp][hostname][log-event] => [bucket][timestamp][hostname][log-event]; long bucket = timestamp % numBuckets。
  • 增加随机数：[userId][orderid] => [userId][orderid][random(100)]。
• 问题四：Rowkey可以再短点吗？

  短的Rowkey可以减少数据量，提高数据查询和数据写入效率。

  最佳设计示例：

  • 使用Long或Int代替String，例如'2015122410' => Long(2015122410) 。
  • 使用编码代替名称，例如’淘宝‘ => tb。
• 问题五：使用scan方式会查询出不需要的数据吗？

  会的。场景举例：table1的Rowkey为column1+ column2+ column3，如果您需要查询column1= host1的所有数据，使用scan 'table1',{startkey=> 'host1',endkey=> 'host2'}语句。如果有一条记录为column1=host12，那么此记录也会查询出来。

  最佳设计示例：

  • 设计字段定长，[column1][column2] => [rpad(column1,'x',20)][column2]。
  • 添加分隔符，[column1][column2] => [column1][_][column2]。

常见设计实例

• 日志类、时间序列数据。列举出三个场景设计Rowkey。
  • 查询某台机器某个指标某段时间内的数据，Rowkey设计为[hostname][log-event][timestamp]。
  • 查询某台机器某个指标最新的几条数据，Rowkey设计为timestamp = Long.MAX_VALUE – timestamp; [hostname][log-event][timestamp]。
  • 查询的数据存在只有时间一个维度或某一个维度数据量巨大的情况，Rowkey设计为long bucket = timestamp % numBuckets; [bucket][timestamp][hostname][log-event]。
• 交易类数据。列举出四个场景设计Rowkey。
  • 查询某个卖家某段时间内的交易记录，Rowkey设计为[seller id][timestmap][order number]。
  • 查询某个买家某段时间内的交易记录，Rowkey设计为[buyer id][timestmap][order number]。
  • 根据订单号查询，Rowkey设计为[order number]。
  • 查询中同时满足三张表，一张买家维度表Rowkey设计为[buyer id][timestmap][order number]。一张卖家维度表Rowkey设计为[seller id][timestmap][order number]。一张订单索引表Rowkey设计为[order number]。

Region 分裂

1 region分裂说明

• region中存储的是一张表的数据，当region中的数据条数过多的时候，会直接影响查询效率.
• 当region过大的时候，hbase会将region拆分为两个region , 这也是Hbase的一个优点.

2 Region分裂策略

2.1 ConstantSizeRegionSplitPolicy

• 0.94版本前，HBase region的默认切分策略
• 当region中最大的store大小超过某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。
• 但是在生产线上这种切分策略却有相当大的弊端：
  • 切分策略对于大表和小表没有明显的区分。
  • 阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，形成热点，这对业务来说并不是什么好事。
  • 如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。

2.2 IncreasingToUpperBoundRegionSplitPolicy

• 0.94版本~2.0版本默认切分策略
• 总体看和ConstantSizeRegionSplitPolicy思路相同
  • 一个region中最大的store大小大于设置阈值就会触发切分。
  • 但是这个阈值并不像ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，调整规则和region所属表在当前regionserver上的region个数有关系.
• region split阈值的计算公式是：
  • 设regioncount：是region所属表在当前regionserver上的region的个数
  • 阈值 = regioncount^3 * 128M * 2，当然阈值并不会无限增长，最大不超过MaxRegionFileSize（10G）；当region中最大的store的大小达到该阈值的时候进行region split
  • 例如：
    第一次split阈值 = 1^3 * 256 = 256MB
    第二次split阈值 = 2^3 * 256 = 2048MB
    第三次split阈值 = 3^3 * 256 = 6912MB
    第四次split阈值 = 4^3 * 256 = 16384MB > 10GB，因此取较小的值10GB
    后面每次split的size都是10GB了
  • 特点
    • 相比ConstantSizeRegionSplitPolicy，可以自适应大表、小表；
    • 在集群规模比较大的情况下，对大表的表现比较优秀
    • 但是，它并不完美，小表可能产生大量的小region，分散在各regionserver上

2.3 SteppingSplitPolicy

• 2.0版本默认切分策略
• 相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些
• region切分的阈值依然和待分裂region所属表在当前regionserver上的region个数有关系
  • 如果region个数等于1，切分阈值为flush size 128M * 2
  • 否则为MaxRegionFileSize。
• 这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不会再产生大量的小region，而是适可而止。

2.4 KeyPrefixRegionSplitPolicy

• 根据rowKey的前缀对数据进行分区，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在相同的region中。

2.5 DelimitedKeyPrefixRegionSplitPolicy

• 保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtype_eventid，指定的delimiter为 _ ，则split的的时候会确保userid相同的数据在同一个region中。

2.6 DisabledRegionSplitPolicy

• 不启用自动拆分, 需要指定手动拆分

Region 合并

1 region合并说明

• Region的合并不是为了性能, 而是出于便于运维的目的 .
• 比如删除了大量的数据 ,这个时候每个Region都变得很小 ,存储多个Region就浪费了 ,这个时候可以把Region合并起来，进而可以减少一些Region服务器节点

2 如何进行region合并

2.1 通过Merge类冷合并Region

• 执行合并前，需要先关闭hbase集群

• 创建一张hbase表：

  create 'person','info1',SPLITS => ['1000','2000','3000','4000']
  

• 查看表region
  

• 需求：
  需要把person表中的2个region数据进行合并：
  person,,1623461265787.b15dce7c3af63faa165e5bade9a29676.
  person,1000,1623461265787.785396d84eb17099203fa63c003eb8eb.

• 这里通过org.apache.hadoop.hbase.util.Merge类来实现，不需要进入hbase shell，直接执行（需要先关闭hbase集群）：

  hbase org.apache.hadoop.hbase.util.Merge person person,,1623461265787.b15dce7c3af63faa165e5bade9a29676. person,1000,1623461265787.785396d84eb17099203fa63c003eb8eb.
  

• 成功后界面观察
  

2.2 通过online_merge热合并Region

• 不需要关闭hbase集群，在线进行合并

• 与冷合并不同的是，online_merge的传参是Region的hash值，而Region的hash值就是Region名称的最后那段在两个.之间的字符串部分。

• 需求：需要把person表中的2个region数据进行合并：
  person,2000,1623461265787.1530224f7edee8855a0cc68af61ba33a.
  person,3000,1623461265787.0a717dfd631a860dcb6352d8d423fd16.

• 需要进入hbase shell：

  merge_region '1530224f7edee8855a0cc68af61ba33a','0a717dfd631a860dcb6352d8d423fd16'
  

  SHELL 复制 全屏

• 成功后观察界面
  

Phoenix介绍

1.什么是Phoenix

Phoenix是一个HBase的开源SQL引擎。你可以使用标准的JDBC API代替HBase客户端API来创建表，插入数据，查询你的HBase数据。

2.Phoenix底层原理

Phoenix框架将命令行上键入的sql语句翻译成hbase指令，然后hbase用翻译好的指令去操作集群，执行完之后给客户端反馈结果。

3.安装部署

• 需要先安装好hbase集群，phoenix只是一个工具，只需要在一台机器上安装就可以了，这里我们选择hadoop02服务器来进行安装一台即可

1、下载安装包

• 从对应的地址下载：
  http://www.apache.org/dyn/closer.lua/phoenix/phoenix-5.1.1/phoenix-hbase-2.2-5.1.1-bin.tar.gz

• 这里我们使用的是

  • phoenix-hbase-2.2-5.1.1-bin.tar.gz

2、上传解压

• 将安装包上传到hadoop02服务器的/bigdata/soft路径下，然后进行解压

cd /bigdata/soft/
tar -zxf phoenix-hbase-2.2-5.1.1-bin.tar.gz   -C /bigdata/install/

3、安装

cd /bigdata/install/phoenix-hbase-2.2-5.1.1-bin
cp -a phoenix-server-hbase-2.2-5.1.1.jar ../hbase-2.2.6/lib/

scp -r phoenix-server-hbase-2.2-5.1.1.jar hadoop01:/bigdata/install/hbase-2.2.6/lib/
scp -r phoenix-server-hbase-2.2-5.1.1.jar hadoop03:/bigdata/install/hbase-2.2.6/lib/

mv bin/hbase-site.xml  bin/hbase-site.xml.init

cp $HBASE_HOME/conf/hbase-site.xml    ./bin
cp $HADOOP_HOME/etc/hadoop/hdfs-site.xml     ./bin

4、配置环境变量

sudo vim /etc/profile

#phoenix
export PHOENIX_HOME=/bigdata/install/phoenix-hbase-2.2-5.1.1-bin
export PHOENIX_CLASSPATH=$PHOENIX_HOME
export PATH=$PATH:$PHOENIX_HOME/bin

source /etc/profile

5、重启hbase集群

• 记得要先启动hadoop集群、zookeeper集群

• hadoop01执行以下命令来重启hbase的集群

stop-hbase.sh
start-hbase.sh

6、验证是否成功

• 1、 hadoop02执行以下命令，进入phoenix客户端

  cd /bigdata/install/phoenix-hbase-2.2-5.1.1-bin/
   bin/sqlline.py hadoop02:2181
  

• 2、在命令行模式下输入 !table 查看输出结果