HBase Rowkey设计指南、rowkey设计案例剖析、什么是热点问题 15

前言

如何评判一张HBase表设计的好不好，重点看它的rowkey设计的好不好，所以HBase的rowkey设计是非常重要的。但是rowkey到底是什么？特点如下：

• 类似于mysql、oracle中的主键，用于标示唯一的行；
• 完全是由用户指定的一串不重复、唯一的字符串；
• hbase中的数据永远是根据rowkey的字典顺序来排序的

1. HBase中Rowkey的作用

• 读写数据时通过rowkey找到对应的Region;
• MemStore中的数据按Rowkey字典顺序排序；
• HFile中的数据按Rowkey字典顺序排序。

2. HBase中Rowkey对查询的影响

如果我们的rowkey设计为uid+phone+name，那么这种设计可以很好的支持以下的场景：

• uid = 111 AND phone = 123 AND name = iteblog
• uid = 111 AND phone = 123
• uid = 111 AND phone = 12?
• uid = 111

但是难以支持如下场景

• phone = 123 AND name = iteblog
• phone = 123
• name = iteblog

3. HBase中Rowkey对Region划分的影响

hbase表的数据是按照rowkey来分散到不同region，不合理的rowkey设计会导致热点问题。

什么是热点问题？
热点问题是大量的client直接访问集群的一个或极少数个节点，而集群中的其他节点却处于相对空闲状态。

如上图，Region1上的数据是Region2的5倍，这样会导致Region1的访问频率比较高，进而影响这个Region所在机器的其他region。

4. Rowkey的设计技巧

4.1 避免热点的方法 - Salting（加盐）

这里的加盐不是秘密学中的加盐，而是rowkey的前面增加随机数。具体就是给rowkey分配一个随机前缀，以使得它和之前排序不同。分配的前缀种类数量应该和你想使数据分散到不同的region的数量一致。
如果你有一些热点 rowkey反复出现在其他分部均匀的rowkey中，加盐是很有用的。

假如你有下列rowkey，你表中每一个region对应字母表中每一个字母。以‘a’开头是同一个region，以‘b’开头是同一个region。在表中，所有以‘f’开头的都在同一个region，它们的rowkey像下面这样：

foo0001
foo0002
foo0003
foo0004

现在，鸡舍要将上面的这个region里面的数据，分散到4个region中。可以用4个不同的盐：‘a’，‘b’，‘c’，‘d’，在这个方案下，每一个字母前缀都会在不同的region中。加盐之后，你有了下面的rowkey：

a-foo0003
b-foo0001
c-foo0004
d-foo0002

加盐这种方法增加了写时的吞吐量，但是读时有了额外代价

4.2 避免热点的方法 - Hashing

Hashing的原理是计算rowkey的hash值，然后取hash的部分字符串和原来的rowkey进行拼接。这里说的hash包含MD5、sha1、sha256或sha512等算法。比如我们有如下的rowkey:

foo0001
foo0002
foo0003
foo0004

我们使用md5计算这些rowkey的hash值，然后取前6位和原来的rowkey拼接得到新的rowkey：

95f18cfoo0001
6ccc20foo0002
b61d00foo0003
1a7475foo0004

4.3 避免热点的方法 - Reversing

reversing的原理是反转一段固定长度或者全部的键。比如我们有一些url，并作为rowkey:

flink.iteblog.com
www.iteblog.com
carbondata.iteblog.com
def.iteblog.com

这些url其实属于同一个域名，但是由于前面不一样，导致数据不在一起存放。我们可以对其进行反转，如下：

moc.golbeti.knilf
moc.golbeti.www
moc.golbeti.atadnobrac
moc.golbeti.fed

经过这个之后，这些url的数据就可以放一起了。

5. rowkey 设计案例剖析

5.1 交易类表Rowkey设计

• 查询某个卖家某段时间内的交易记录
  sellerId + timestamp + orderId
• 查询某个买家某段时间内的交易记录
  buyerId + timestamp + orderId
• 根据订单号查询
  orderNo
• 如果某个商家卖了很多商品，可以如下设计rowkey实现快速搜索
  salt + sellerId + timestamp 其中，salt是随机数。
  可以支持的场景：
  * 全表 scan
  * 按照 sellerId 查询
  * 按照 sellerId + timestamp查询

5.1 金融风控 rowkey 设计

查询某个用户的用户画像数据

• prefix + uid
• prefix + idcard
• prefix + tele
  其中 prefix = substr(md（uid），0，x)，x取5-6。uid、idcard以及tele分别表示用户唯一标识符、身份证、手机号码。

5.2 联网 Rowkey 设计

• 查询某辆车在某个时间范围的交易记录
  carId + timestamp
• 某批次的车太多，造成热点
  prefix + carId + timestamp 其中 prefix = substr(md5(uid),0 ,x)

5.3 查询最近的数据

查询用户最新的操作记录或者查询用户某段时间的操作记录，RowKey 设计如下：
uid + Long.Max_Value - timestamp
支持的场景

• 查询用户最新的操作记录
  Scan [uid] startRow [uid][000000000000] stopRow [uid][Long.Max_Value - timestamp]
• 查询用户某段时间的操作记录
  Scan [uid] startRow [uid][Long.Max_Value – startTime] stopRow [uid][Long.Max_Value - endTime]