HBase 热点问题——rowkey散列和预分区设计

热点发生在大量的client直接访问集群的一个或极少数个节点（访问可能是读，写或者其他操作）。大量访问会使热点region所在的单个机器超出自身承受能力，引起性能下降甚至region不可用，这也会影响同一个RegionServer上的其他region，由于主机无法服务其他region的请求，造成资源浪费。设计良好的数据访问模式以使集群被充分，均衡的利用。
数据倾斜：Hbase可以被划分为多个Region，但是默认创建时只有一个Region分布在集群的一个节点上，数据一开始时都集中在这个Region，也就是集中在这一个节点上，就算region存储达到临界值时被划分，数据也是存储在少数节点上。这就是数据倾斜

随机散列与预分区二者结合起来，是比较完美的。预分区一开始就预建好了一部分region，这些region都维护着自己的start-end keys，在配合上随机散列，写数据能均衡的命中这些预建的region，就能解决上面的那些缺点，大大提供性能。

1. 预分区

1.1 HBase的预分区概述

默认分区：

HBase表被创建时，只有1个Region，当一个Region过大达到默认的阀值时（默认10GB大小），HBase中该Region将会进行split，分裂为2个Region，以此类推。

缺点：

表在进行split的时候，会耗费大量的资源，频繁的分区对HBase的性能有巨大的影响。所以，HBase提供了预分区功能，即用户可以在创建表的时候对表按照一定的规则分区。

2. HBase预分区的作用

避免HBase经常split，产生不必要的资源消耗，提高HBase的性能

3. HBase预分区的方法

HBase Shell

create 'user1',{NAME=>'f'},{NAME=>'d'},SPLITS=>['0|','1|','3|','4|']
create 'user1', 'f', SPLITS => ['1|', '2|', '3|', '4|']

HBase Shell（通过读取split文件）

create 'user2',{NAME=>'f'},{NAME=>'d'},SPLITS_FILE=>'/data/hbaseSplit.txt'

hbaseSplit.txt内容

> cat hbaseSplit.txt

|

|

|

|

HBase Java API

object HbaseUtil { def main(args: Array[String]): Unit = {

    val conf = HBaseConfiguration.create() 
    conf.set("hbase.zookeeper.quorum","192.168.1.11,192.168.1.12,192.168.1.13")

    conf.set("hbase.zookeeper.property.clientPort", "")

    conf.set("zookeeper.znode.parent", "/hbase")

    conf.set("hbase.master", "192.168.1.11:16010")

    val connection = ConnectionFactory.createConnection(conf)

    val admin = connection.getAdmin

    val colFamily = List("info", "desc")

    val tableName = "user3"

    val splitKeys = Array(

      Bytes.toBytes("0|"),

      Bytes.toBytes("1|"),

      Bytes.toBytes("2|"),

      Bytes.toBytes("3|"),

      Bytes.toBytes("4|")

    ) if (admin.tableExists(TableName.valueOf(tableName))) { println("表已存在！")

    } else { val descriptor = new HTableDescriptor(TableName.valueOf(tableName))

      colFamily.foreach(x => descriptor.addFamily(new HColumnDescriptor(x)))

      admin.createTable(descriptor, splitKeys)

    }

    admin.close()

    connection.close()

  }

}

2.随机散列

1. 固定散列值

HBase Shell

create 'user1',{NAME=>'f'},{NAME=>'d'},SPLITS=>['0|','1|','3|','4|','5|','6|','7|','8|','9|']

说明：固定值散列，后面添加"|",因为|编码值最大

2. 哈希(散列)

Hbase自带了两种pre-split的算法，分别是 HexStringSplit 和 UniformSplit 。

HexStringSplit

如果我们的row key是十六进制的字符串作为前缀的，称之为HexStringSplit就比较适合用HexStringSplit，作为pre-split的算法。例如，我们使用HexHash(prefix)作为row key的前缀，其中Hexhash为最终得到十六进制字符串的hash算法，我们通常手动指定SPLITS来指定预分区，我们也可以用我们自己的split算法。

create 'test',{NAME=>'f',COMPRESSION=>'SNAPPY'},{NUMREGIONS => , SPLITALGO => 'HexStringSplit'}

put时可以使用

MD5Hash.getMD5AsHex(Bytes.toBytes(str));

UniformSplit

如果我们的row key使用byte来作为前缀，称之为UniformSplit，如果某个hbase的表查询只是以随机查询为主，可以用UniformSplit的方式进行，它是按照原始byte值（从0x00~0xFF）右边以00填充。以这种方式分区的表在插入的时候需要对rowkey进行一个技巧性的改造，比如原来的rowkey为rawStr，则需要对其取hashCode，然后进行按照比特位反转后放在最初rowkey串的前面。可以充分利用Bytes这个工具类来做。

create 'test', { NAME => 'f', TTL => , DATA_BLOCK_ENCODING => 'PREFIX' }, {NUMREGIONS => , SPLITALGO => 'UniformSplit'}

使用SPLITALGO => 'UniformSplit'方式来建表是没有指定startKey和endKey的，也就是说采用这种方式建表就是基于ancil的256个值的范围来平均切分10个预分区的（由于anscil一共256个值，因此采用这种方式做预分区建表最多支持256个预分区，不过在写入数据后，256预分区可以再内部做二次切分），采用这种做法导致在Scan查询的时候就需要开256个Scan线程取扫描数据并返回最终的结果，好处就是统一了整个rowkey的范围，取名UniformSplit大概也是这个意思。

put数据时,可以充分利用Bytes这个工具类

byte[] rowKey = Bytes.add(Bytes.toBytes(Integer.reverse(Integer.valueOf(Integer.valueOf(i).hashCode()))), Bytes.toBytes(i));

3.强制split

HBase 允许客户端强制执行split,在hbase shell中执行以下命令：

 split 'forced_table', 'b'

其中:forced_table 为要split的table , ‘b’ 为split 点