HBase表设计图解

1.Get操作

需求：根据业务ID，获取这个业务ID对应的属性

以上图为例：

为什么要进行md5 或 Hash 或进行反转？

一句话说明：负载均衡，可以将记录平均分到不同的region

 

比如：业务id有时候开头是跟业务相关的一些编码。有个可能某个编码下面对应记录比较多，某些编码对应比较少。

比如上图示例中1111开头的有3条数据。其他前缀的都在3条以下

所以通过md5或者其他方式进行散列。

 

MD5  =>   DHS中选十六进制(string)

手机号反转=>DHS中选十进制(string)

其他自定义hash并序列化存储的=>DHS中选二进制

 

api：

写入：table.put。  

查询：通过rowkey精准查询：table.get( Get(rowkey) )

 

DHS选“十六进制String类型”

MD5开头前缀作为rowkey代码写法：

import  com.google.common.hash.Hashing;

    String uid= "uid01" ;
    String md5_uid= Hashing.md5().newHasher().putString(uid).hash().toString();
    String rowkey=md5_uid+ "其他内容" ;   //因为是前缀匹配，只要前缀是MD5开头的就可以，后面有其他内容没关系。
    Put put= new  Put(rowkey.getBytes());
   table.put(put);

 

---

2.Scan操作(扫描操作):

利用hbase表，字典排序的特性，进行的扫描操作，要查询的数据有共同的前缀

scan操作不是无限制的！

scan操作一般都设置startkey，stopkey。数据量比较多的时候要增加salt_bucket

但是这还不够：为防止超时，scan 1w条以上的操作，要分成多次进行scan。因为scan数据操作会有大量的磁盘读取操作（磁盘IO升高），把结果放入内存（占用内存导致GC频率升高），再通过RPC发送到客户端（网络带宽）。

如果设置Filter进行过滤呢？——即使设置了Filter，也会扫描startkey到stopkey之间的所有数据。再在内存中过滤之后再返回客户端。

对客户端有什么影响？如果不分批扫描，除了对服务器磁盘内存网络造成压力，也会造成客户端超时。

下面是增加salt_bucket之后，分多个线程同时scan的情况。如果没有分salt_bucket，就是其中一个scan线程的情况。