生产环境使用HBase，你必须知道的最佳实践
Posted CSDN云计算
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了生产环境使用HBase，你必须知道的最佳实践相关的知识，希望对你有一定的参考价值。
来源 | 阿丸笔记
封图| CSDN 下载于视觉中国
前面，我们已经打下了很多关于HBase的理论基础，今天，我们主要聊聊在实际开发使用HBase中，需要关注的一些最佳实践经验。
Schema设计七大原则
1）每个region的大小应该控制在10G到50G之间；
2）一个表最好保持在 50到100个 region的规模；
3）每个cell最大不应该超过10MB，如果超过，应该有些考虑业务拆分，如果实在无法拆分，那就只能使用mob；
4）跟传统的关系型数据库不同，一个HBase的表中列族最多不超过3个，列族中的列可以动态添加的，不要设计过多列族；
5）列族名必须尽量短，因为我们知道在存储的时候，每个keyvalue都会包含列族名；
6）如果一个表存在一个以上的列族，那么必须要注意，不同列族之间行数相差不要太大。例如列族A有10万行，而列族B有1亿行，那么rowkey就有1亿行，而region是按照行键进行切分的，因此列族A可能会被打散为很多很多小region，这会导致在扫描列族A时会引发较多IO，效率低下。
7）列族可以设置TTL时间，HBase在超过设定时间后，会自动删除数据。
设置方法有两种：
# 建表时设置,TTL单位为秒，此例中列簇'f1'的数据保留1天（86400秒）
hbase(main):002:0>create 'table', {NAME => 'f1', TTL => 86400}
# 通过修改表设置
hbase(main):002:0>alter 'table', {NAME => 'f1', TTL => 86400}
这里需要注意，一旦超过设定时间后，该数据就无法读取了，但是，真正的过期数据删除，是发生在major compaction时。
.
RowKey设计三大策略
HBase作为一个分布式存储数据库，虽然扩容非常容易，但是，对于“热点”问题，还是非常头疼的。
所谓“热点”问题（HotSpotting），就是请求（读或者写）短时间内落在了集中的个别region上，导致了该region所在机器的负载急剧上升，超过了单点实例的承受能力，从而引起性能下降或者不可用。
要解决这个问题，就需要设计RowKey时，使得数据尽量往多个region上去写。
举个例子：
假如region按照26个字母分成26个，那么同时写入m开头的rowkey的记录都会同时写入同一个region
比如m001,m002,m003,m004,m005。
因此，RowKey的设计非常关键。常见的设计策略有这么几种。
1）salting
salting策略就是将生成随机数放在行键的开头作为前缀，使得每个行键有随机的字典序。
对上面的案例进行优化，我们采用了salting策略，插入前给每个rowkey生成一个随机的字母，变成了
am001,zm002,nm003,qm004,lm005
这样就能同时往5个region里面写入了，成功打散。
副作用：由于前缀生成是随机的，因此如果想要按照字典序查询这些行，则需要做更多的事情。从这个角度上看，salting增加了写操作的吞吐量，却也增大了读操作的开销。
2）Hashing
Hashing策略也是一种特殊的salting，是用一个单向的 hash 来取代随机指派前缀。
这样能使一个给定rowkey的行在“salted”时有相同的前缀，因此，这样既可以分散RegionServer间的负载的，同时也允许在读操作时能够预测这个前缀值是什么。确定性hash（ deterministic hash ）可以让客户端重建完整的行键，然后就可以像正常一样用Get方法查询确定的行。
3）reverse key
第三种预防hotspotting的方法是反转一段固定长度或者可数的键，让变化最多的某个位置放在rowkey的第一位，
副作用：对于Get操作没有影响，但是不利于Scan操作进行范围查询，因为数据在原RowKey上的顺序已经被打乱。
预分区
在 HBase核心特性—region split 中，我们知道已经提到过关于预分区。
主要原因是当一张表被首次创建时，只会分配一个region给这个表。因此，在刚刚开始时，所有读写请求都会落在这个region所在的region server上，而不管你整个集群有多少个region server。不能充分地利用集群的分布式特性。
因此，预分区主要也是解决“热点”问题。
最为常见的建表语句为：
create ‘tb’,{NAME => ‘f1’,COMPRESSION => ‘snappy’ }, { NUMREGIONS => 50, SPLITALGO => ‘HexStringSplit’ }
NUMREGIONS 为 region的个数，一般按照每个region 8-10GB左右来计算region数量，如果集群规模非常大，那么region数量可以适当取大一些
SPLITALGO 为 rowkey分割的算法，Hbase自带了三种pre-split的算法，分别是 HexStringSplit、DecimalStringSplit 和 UniformSplit。
各种Split算法适用场景：
HexStringSplit: rowkey是十六进制的字符串作为前缀的
DecimalStringSplit: rowkey是10进制数字字符串作为前缀的
UniformSplit: rowkey前缀完全随机
读性能优化
推荐阅读：
真香，朕在看了！
以上是关于生产环境使用HBase，你必须知道的最佳实践的主要内容，如果未能解决你的问题，请参考以下文章