HBase Split

HBase表的结构如下：

每个Table由若干个Region组成，每个Region由若干个Store组成(每个列组构成一个Store)，每个由一个MemStore和若干个StoreFiles(HFiles)组成，每个StoreFile由若干个Blocks组成。

HBase对表进行split有三种方式：Pre-splitting，Auto splitting，Forced Splits。

Pre-splitting

如果一个节点有过多的读写操作，HBase可能会因为Zookeeper的连接超时而关掉该节点，所以一个良好的策略是将表预分割为固定数量的区域(region)，并且这些区域均匀地分布在所有的服务器(regionserver)上，然后让HBase的自动分割功能来处理后面不断增加的数据。RegionSplitter提供三个用于预分割的工具：HexStringSplit、SplitAlgorithm、UniformSplit。其中HexStringSplit和UniformSplit是两个预定义的静态类，可以直接使用；而SplitAlgorithm是一个接口，需要开发人员自己实现相应的分隔策略。如果是以十六进制字符串作为行键rowkey或者行键rowkey的前缀是十六进制字符串，用HexStringSplit就比较合适；UniformSplit会把行键均匀地分割多个部分，如果行将rowkey是随机的字节数组，用UniformSplit就比较合适；或者开发者根据需要实现分割策略。
HBase shell命令示例：

hbase org.apache.hadoop.hbase.util.RegionSplitter test_table HexStringSplit -c 10 -f f1

其中HexStringSplit指明分割策略，-c 10指明要分割的区域数量，-f指明表中的列组，用“:”分割。
或者明确的指明分割点：

create 'test_table', 'f1', SPLITS =>  ['a', 'b', 'c']

或

echo -e  "a\nb\nc"  >> /tmp/splits
create 'test_table', 'f1', SPLITSFILE => '/tmp/splits'

Auto splitting

Region的分割操作对于Master不可见的，RegionServer拆分region的步骤是，先将该region下线，然后拆分，将其子region加入到META元信息中，再将他们加入到原本的RegionServer中，最后汇报给Master。 不管是否对表进行了pre-splitting，只要region的大小到达设定的阈值，Hbase都会自动将其split为两个大小相等的region。HBase有如下几种Auto splitting的方法：ConstantSizeRegionSplitPolicy，
IncreasingToUpperBoundRegionSplitPolicy，KeyPrefixRegionSplitPolicy，DelimitedKeyPrefixRegionSplitPolicy。第一个是HBase0.94版本前默认的分割方法，只要region中任一个Store(即一个列族)的大小大于设置的阈值(hbase.hregion.max.filesize，默认大小是10G)，HBase就会将该region分割为两个region。此分割方法适合已经做过pre-splitting且希望每个regionserver的region数量尽可能少的情况。第二个是HBase0.94及其以后版本的默认分割方法，此方法的分割阈值跟同一个regionserver上region的数量有关，Store的大小的最大值取决于公式：Min (R^2 * hbase.hregion.memstore.flush.size, hbase.hregion.max.filesize)，其中R是同一个regionserver上同一个表的region的数量。这里以hbase.hregion.memstore.flush.size=128M、hbase.hregion.max.filesize=10G为例说明，初始时regionserver中只有一个region，那么分割大小为128M，随着region数量的增多分割大小也逐渐增大：512MB, 1152MB, 2GB, 3.2GB, 4.6GB, 6.2GB……。当有9个region时，分隔大小将会超过hbase.hregion.max.filesize，也就是10G将作为以后的分割大小。对于以上两个分割方法，不管什么时候对表进行分割，总是以最大Store的最大的StoreFile索引的中间作为分割点。对于第三个分割方法，我们可以设置rowkey的前缀长度prefix_split_key_policy.prefix_length，这样在对表进行分割的时候具有相同前缀的行总是被分割到相同的region。而第四个分割方法保证以分隔符前面的前缀为splitPoint，保证相同RowKey前缀的数据在一个Region中。

Forced Splits

HBase允许我们在HBase shell中对表或者一个region进行分割。示例如下：

split 'b07d0034cbe72cb040ae9cf66300a10c', 'b'0 row(s) in 0.1620 seconds

具体操作细节

在hbase-site.xml中配置全局的分割策略

<property>  
    <name>hbase.regionserver.region.split.policy</name> 
    <value>org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy</value>
</property>

利用Java API对表进行配置

HTableDescriptor tableDesc = new HTableDescriptor("test");
tableDesc.setValue(HTableDescriptor.SPLIT_POLICY, ConstantSizeRegionSplitPolicy.class.getName());
tableDesc.addFamily(new HColumnDescriptor(Bytes.toBytes("cf1")));
admin.createTable(tableDesc);

在Hbase shell中对表进行配置

hbase> create 'test', {METHOD => 'table_att', CONFIG => {'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.ConstantSizeRegionSplitPolicy'}},{NAME => 'cf1'}