hbase预分区误区

预拆分表通常是一种比较好的实践。如果预先拆分表，则必须了解rowkey将如何分布在region边界上。是否所有的region都有rowkey能够访问。
举一个为什么这一点很重要的示例，考虑使用可显示十六进制字符作为键的前导位置的示例（例如，“0000000000000000”到“ffffffffffffffff”）。

创建预分区表的代码：

String startKeyString="0000000000000000";
String endKeyString="ffffffffffffffff";
int numRegions=10;
admin.createTable(tableDescriptor,startKeyString.getBytes(),endKeyString.getBytes(),numRegions);
//创建表，与下面的方法等价，生成一样region分布的表
int splitTimes=numRegions-3;//因为有两个空数组作为rowkey的开始和结束rowkey
byte[][] splitKeys=Bytes.split(startKeyString.getBytes(),endKeyString.getBytes(),splitTimes);
admin.createTable(tableDescriptor,splitKeys);

执行代码后，table的region分布如下：

image.png

当我们使用十六进制的字符作为rowkey前缀的时候，就会发生热点分区的问题。记录都会集中在如下四个region，因为十六进制字符rowkey的值区间为[0-9]和[a-f]。

image.png

做一些验证，向表中插入数据

byte[] rowKey=Bytes.toBytes("a");
 System.out.println(new String(rowKey)+"_"+rowKey.length);
 Put put = new Put(rowKey);
 put.addColumn(Bytes.toBytes(familyName), Bytes.toBytes(columnName), rowKey);
 table.put(put);

发现如下region接收到一次请求，即"a"与各个region的start key首字母与end key比较，"a"会落在"_"与"f"之间，所以此条记录会落在次rowkey区间的region上。

image.png

另外需要注意的一点，rowkey字符串的每个字节的ascii码会与startkey、endkey的每一个字节的ascii码比较。

/** 因为最后一个字符"e"的ascii码比"f"小，所以仍然落在split key "ffffffffffffffff"之前的region分区 */
byte[] rowKey=Bytes.toBytes("fffffffffffffffe");

/** 因为没有第三个字符与split key比较，所以"ff"小于"ffffffffffffffff" */
byte[] rowKey=Bytes.toBytes("ff");

上面两个rowkey的记录仍然会落在如下分区

image.png

错误分区代码总结：

1. 预拆分表通常是一种最佳实践。但您需要让预拆分表满足rokwey可以访问任意的分区。虽然这个例子演示了十六进制键空间的问题，但任何键空间都可能发生同样的问题。需要了解你的数据，要知道rowkey的展示格式，知道各个region的start key与end key的展示格式。
2. 错误的分区代码尽管不适合，但只要加以改进，将所有创建的region都可以在rowkey键空间中访问，那么使用十六进制键（更常见的目的是，可显示rowkey数据）仍然可以作为预拆分表的方案。

下面是如何为十六进制格式的rowkey进行预分区的正确示例：

public static byte[][] getHexSplits(String startKey, String endKey, int numRegions) {
    byte[][] splits = new byte[numRegions-1][];
    //将16进制表示的字符串startKey转换为10进制的BigInteger类型
    BigInteger lowestKey = new BigInteger(startKey, 16);
    BigInteger highestKey = new BigInteger(endKey, 16);
    BigInteger range = highestKey.subtract(lowestKey);
    BigInteger regionIncrement = range.divide(BigInteger.valueOf(numRegions));
    lowestKey = lowestKey.add(regionIncrement);
    for(int i=0; i < numRegions-1;i++) {
        BigInteger key = lowestKey.add(regionIncrement.multiply(BigInteger.valueOf(i)));
        byte[] b = String.format("%016x", key).getBytes();
        splits[i] = b;
    }
    return splits;
}

 public void createTable3() throws IOException {
   String startKeyString="0000000000000000";
   String endKeyString="ffffffffffffffff";
   byte[][] splitKeys= getHexSplits(startKeyString,endKeyString,10);
   admin.createTable(tableDescriptor,splitKeys);
}

运行代码，创建好的region所有的startKey、endKey都为16进制的字符串表示。

image.png

ASCII表：

image.png