架构师必备：HBase行键设计与应用

首先要回答一个问题，为何要使用HBase？

随着业务不断发展、数据量不断增大，MySQL数据库存在这些问题：

• MySQL支持的数据量为TB级，不能一直保留历史数据。而HBase支持的数据量为PB级，适合存储久远的历史冷数据
• 新增列的代价较高，数据量越大耗费时间越长。而HBase可以随意增加列，空列不占据空间，业务模型可以灵活变化

要使用HBase，最重要的一点是rowkey行键设计，如果设计不妥，后续要改的代价非常大。

HBase行键设计原则

下面列几个HBase rowkey设计的原则：

• 组合键：组合键是指拼接多个业务字段，如需查询，则业务字段必须作为rowKey的一部分
• 字段顺序：一对多，则一应该放在前面，以便能够scan得到结果，如用户id:订单id，如果反过来则无法得到用户下的所有订单
• 业务字段对齐长度：因为rowKey是按字典序排列的，所以需要对齐长度，比如id取12位，9位id前补齐3个0，否则就会出现123456789比654321比排在前面的问题。对齐长度后，000000654321排在000123456789之前，符合预期
• 打散以避免热点：id与时间有关，随时间递增，如果不做处理可能导致部分节点有读写热点，加上前缀可以打散，如取 业务id的后几位 % region个数 作为rowKey的前缀

HBase应用举例

冷热数据分离

• HBase适合作为冷数据存储，存储和查询海量历史数据
• MySQL适合作为热存储存储，支持数据读写、事务操作
• 归档近期未更新的历史数据，新增数据至HBase，再删除MySQL记录

流水记录

• 流水记录可随时新增字段
• 适合存储海量流水记录

简要回顾HBase架构

• region：所有行按rowkey字典序排列，region是其中一部分，相当于分片，每个region只能在一个region server上
• region server：可以包含一到多个region，调用HDFS的客户端接口对region所有数据进行读写操作
• WAL：预写日志，WAL是Write-Ahead Log的缩写。预先写入，WAL是一个保险机制，数据在写到Memstore之前，先被写到WAL了。这样当故障恢复的时候可以从WAL中恢复数据
• store：一个列族对应一个store，因此为了提高性能，不建议使用超过2个列族。一个store包含一个memstore和多个HFile
• memstore：数据写入WAL之后就会被放入memstore，主要用于在内存中对行做排序，排序完成后再写入HFile
• HFile：数据的存储实体，memstore写满后就会写入HFile
• region自动分片（split）、合并（merge）：region大小达到阈值后，会自动分区，反之会做合并region的操作
• HFile合并（compaction）：删除数据后会导致HFile变小，需要合并以减少HFile的数量，即减少碎片文件数量，提高寻址效率