最近學習了HBase

時間 2020-07-07

標籤最近學習 hbase 欄目 Hadoop 简体版

原文原文鏈接

HBase是什麼html

最近學習了HBase，正常來講寫這篇文章，應該從DB有什麼缺點，HBase如何彌補DB的缺點開始講會更有體感，可是本文這些暫時不講，只講HBase，把HBase相關原理和使用講清楚，後面有一篇文章會專門講DB與NoSql各自的優缺點以及使用場景。mysql

HBase是谷歌Bigtable的開源版本，2006年穀歌發佈《Bigtable：A Distributed Storage System For Structured Data》論文以後，Powerset公司就宣佈HBase在Hadoop項目中成立，做爲子項目存在。後來，在2010年左右逐漸成爲Apache旗下的一個頂級項目，所以HBase名稱的由來就是因爲其做爲Hadoop Database存在的，用於存儲非結構化、半結構化的數據。redis

下圖展現了HBase在Hadoop生態中的位置：sql

能夠看到HBase創建在HDFS上，HBase內部管理的文件所有都是存儲在HDFS中，同時MapReduce這個計算框架在HBase之上又提供了高性能的計算能力來處理海量數據。數據庫

HBase的特色與不足apache

HBase的基本特色歸納大體以下：api

海量數據存儲（PB）級別，在PB級別數據以及採用廉價PC存儲的狀況下，數據能在幾十到百毫秒內返回數據
高可用，WAL + Replication機制保證集羣異常不會致使寫入數據丟失與數據損壞，且HBase底層使用HDFS，HDFS自己也有備份
數據寫入性能強勁
列式存儲，和傳統數據庫行式存儲有本質的區別，這個在以後HBase存儲原理的時候詳細解讀
半結構化或非結構化數據存儲
存儲稀鬆靈活，列數據爲空的狀況下不佔據存儲空間
同一份數據，可存儲多版本號數據，方便歷史數據回溯
行級別事務，能夠保證行級別數據的ACID特性
擴容方便，無需數據遷移，及擴即用

固然事事不是完美的，HBase也存在着如下兩個最大的不足：數組

沒法作到條件查詢，這是最大的問題，假如你的代碼中存在多個查詢條件，且每次使用哪一個/哪組查詢條件不肯定，那麼使用HBase是不合適的，除非數據冗餘，設計多份RowKey
作不了分頁，數據總記錄數幾乎沒法統計，由於HBase自己提供的錶行數統計功能是一個MapReduce任務，極爲耗時，既然拿不到總記錄數，分頁總署也無法肯定，天然分頁也沒法作了

總的來講，對於HBase須要瞭解以上的一些個性應該大體上就能夠了，根據HBase的特色與不足，在合適的場景下選擇使用HBase，接下來針對HBase的一些知識點逐一解讀。緩存

HBase的基本架構服務器

下圖是HBase的基本架構：

從圖上能夠看到，HBase中包含的一些組件以下：

Client----包含訪問HBase的接口
Zookeeper----經過選舉保證任什麼時候候集羣中只有一個HMaster、HMaster與Region Server啓動時向註冊、存儲全部Region的尋址入口、實時監控Region Server的上下線信息並實時通知給HMaster、存儲HBase的Schema與Table原數據
HMaster----爲Region Server分配Region、負責Region Server的負載均衡、發現失效的Region Server並從新分配其上的Region、管理用戶對Table的增刪改查
Region Server----維護Region並處理對Region的IO請求、切分在運行過程當中變得過大的Region

其中，Region是分佈式存儲和負載均衡中的最小單元，不過並非存儲的最小單元。Region由一個或者多個Store組成，每一個Store保存一個列簇；每一個Store又由一個memStore和0~N個StoreFile組成，StoreFile包含HFile，StoreFile只是對HFile作了輕量級封裝，底層就是HFile。

介於上圖元素有點多，我這邊畫了一張圖，把HBase架構中涉及的元素的關係理了一下：

HBase的基本概念

接着看一下HBase的一些基本概念，HBase是以Table（表）組織數據的，一個Table中有着如下的一些元素：

RowKey（行鍵）----即關係型數據庫中的主鍵，它是惟一的，在HBase中這個主鍵能夠是任意的字符串，最大長度爲64K，在內部存儲中會被存儲爲字節數組，HBase表中的數據是按照RowKey的字典序排列的。例如一、二、三、四、五、10，按照天然數的順序是這樣的，可是在HBase中1後面跟的是10而不是2，所以在設計RowKey的時候必定要充分利用字典序這個特性，將一下常常讀取的行存儲到一塊兒或者靠近，減小Scan耗時，提升讀取的效率
Column Family（列族）----表Schema的一部分，HBase表中的每一個列都歸屬於某個列族，即列族是由一系列的列組成的，必須在建立表的時候就指定好。列明都以列族做爲前綴，例如courses:history、courses:math都屬於courses這個列族。列族不是越多越好，過多的列族會致使io增多及分裂時數據不均勻，官方推薦列族數量爲1~3個。列族不只能幫助開發者構建數據的語義邊界，還能有助於開發者設置某些特性，例如能夠指定某個列族內的數據壓縮形式。訪問控制、磁盤和內存怒的使用統計都是在列族層面進行的
Column（列）----通常從屬於某個列族，列的數量通常沒有強限制，一個列族中能夠有數百萬列且這些列均可以動態添加
Version Number（版本號）----HBase中每一列的值或者說每一個單元格的值都是具備版本號的，默認使用系統當前時間，精確到毫秒，也能夠用戶顯式地設置。每一個單元格中，不一樣版本的數據按照時間倒序排序，即最新的數據排在最前面。另外，爲了不數據存在過多版本形成的管理（存儲 + 索引）負擔，HBase提供了兩種數據版本回收的方式，一是保存數據的最後n個版本，二是保存最近一段時間內的版本，用戶能夠針對每一個列族進行設置
Cell（單元格）----一個單元格就是由RowKey、Column Family:Column、Version Number惟一肯定的，Cell中的數據是沒有類型的，所有都是字節碼

另一個概念就是，訪問HBase Table中的行，只有三種方式：

經過單個Row Key訪問
經過Row Key的range
全表掃描

這部分介紹的Table、RowKey、Column Family、Column等都屬於邏輯概念，而上部分中的Region Server、Region、Store等都屬於物理概念，下圖展現了邏輯概念與物理概念之間的關係：

即：table和region是一對多的關係，由於table的數據可能被打在多個region中；region和columnFamily是一對多的關係，一個store對應一個columnFamily，一個region可能對應多個store。

HBase的邏輯表視圖與物理表視圖

接着看一下HBase中的表邏輯視圖與物理視圖。首先是邏輯表視圖：

看到這裏定義了2個列族，一個Personal Info、一個Family Info，對應到數據庫中，至關於把兩張表合併到一個一塊兒。

從邏輯視圖看，上圖由ZhangSan、LiSi兩行組成，可是在實際物理存儲上卻不是按照這種方式進行的存儲：

看到主要是有兩點差異：

一行被拆開了，按照列族進行存儲
空列不會被存儲，例如LiSi在Peronal Info中沒有Provice與Phone，在Family Info中沒有Brother

HBase的增刪改查

光說不練假把式，不能光講理論，代碼也是要有的，爲了方便起見，我用的是阿里雲HBase，和HBase同樣，只是省去了運維成本。固然雖然本人是內部員工，可是工做以外的學習是不會佔用公司資源的^_^悄悄告訴你們，阿里雲HBase有個福利，第一個月免費試用，想一樣玩一下HBase的能夠去阿里雲搞一個。

首先添加一下pom依賴，用阿里雲指定的HBase，使用上和原生的HBase API如出一轍：

<dependency>
    <groupId>com.aliyun.hbase</groupId>
    <artifactId>alihbase-client</artifactId>
    <version>2.0.3</version>
</dependency>
<dependency>
    <groupId>jdk.tools</groupId>
    <artifactId>jdk.tools</artifactId>
    <version>1.8</version>
    <scope>system</scope>
    <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency>

注意一下第二個dependency，jdk.tools不添加pom文件可能會報錯"Missing artifact jdk.tools:jdk.tools:jar:1.8"，錯誤緣由是tools.jar包是JDK自帶的，pom.xml中的包隱式依賴tools.jar包，而tools.jar並未在庫中，所以須要將tools.jar包添加到jdk庫中。

首先寫個HBaseUtil，用單例模式來寫，很久沒寫了，順便練習一下：

 1 /**
 2  * 五月的倉頡https://www.cnblogs.com/xrq730/p/11134806.html  3  */
 4 public class HBaseUtil {  5 
 6     private static HBaseUtil hBaseUtil;  7     
 8     private Configuration config = null;  9     
10     private Connection connection = null; 11     
12     private Map<String, Table> tableMap = new HashMap<String, Table>(); 13     
14     private HBaseUtil() { 15         
16  } 17     
18     public static HBaseUtil getInstance() { 19         if (hBaseUtil == null) { 20             synchronized (HBaseUtil.class) { 21                 if (hBaseUtil == null) { 22                     hBaseUtil = new HBaseUtil(); 23  } 24  } 25  } 26         
27         return hBaseUtil; 28  } 29     
30     /**
31  * 初始化Configuration與Connection 32      */
33     public void init(String zkAddress) { 34         config = HBaseConfiguration.create(); 35  config.set(HConstants.ZOOKEEPER_QUORUM, zkAddress); 36         
37         try { 38             connection = ConnectionFactory.createConnection(config); 39         } catch (IOException e) { 40  e.printStackTrace(); 41             System.exit(0); 42  } 43  } 44     
45     /**
46  * 建立table 47      */
48     public void createTable(String tableName, byte[]... columnFamilies) { 49         // HBase建立表的時候必須建立指定列族
50         if (columnFamilies == null || columnFamilies.length == 0) { 51             return ; 52  } 53         
54         TableDescriptorBuilder tableDescriptorBuilder = TableDescriptorBuilder.newBuilder(TableName.valueOf(tableName)); 55         for (byte[] columnFamily : columnFamilies) { 56  tableDescriptorBuilder.setColumnFamily(ColumnFamilyDescriptorBuilder.newBuilder(columnFamily).build()); 57  } 58         
59         try { 60             Admin admin = connection.getAdmin(); 61  admin.createTable(tableDescriptorBuilder.build()); 62             // 這個Table鏈接存入內存中
63  tableMap.put(tableName, connection.getTable(TableName.valueOf(tableName))); 64         } catch (Exception e) { 65  e.printStackTrace(); 66             System.exit(0); 67  } 68         
69  } 70     
71     public Table getTable(String tableName) { 72         Table table = tableMap.get(tableName); 73         if (table != null) { 74             return table; 75  } 76         
77         try { 78             table = connection.getTable(TableName.valueOf(tableName)); 79             if (table != null) { 80                 // table對象存入內存
81  tableMap.put(tableName, table); 82  } 83             
84             return table; 85         } catch (IOException e) { 86  e.printStackTrace(); 87             return null; 88  } 89  } 90     
91 }

注意，HBase中的數據一切皆二進制，所以從上面代碼到後面代碼，字符串所有都轉換成了二進制。

接着定義一個BaseHBaseUtilTest類，把一些基本的定義放在裏面，保持主測試類清晰：

 1 /**
 2  * 五月的倉頡https://www.cnblogs.com/xrq730/p/11134806.html  3  */
 4 public class BaseHBaseUtilTest {  5 
 6     protected static final String TABLE_NAME = "student";  7     
 8     protected static final byte[] COLUMN_FAMILY_PERSONAL_INFO = "personalInfo".getBytes();  9     
10     protected static final byte[] COLUMN_FAMILY_FAMILY_INFO = "familyInfo".getBytes(); 11     
12     protected static final byte[] COLUMN_NAME = "name".getBytes(); 13     
14     protected static final byte[] COLUMN_AGE = "age".getBytes(); 15     
16     protected static final byte[] COLUMN_PHONE = "phone".getBytes(); 17     
18     protected static final byte[] COLUMN_FATHER = "father".getBytes(); 19     
20     protected static final byte[] COLUMN_MOTHER = "mother".getBytes(); 21     
22     protected HBaseUtil hBaseUtil; 23     
24 }

第一件事情，建立Table，注意前面說的，HBase必須Table和列族一塊兒建立：

 1 /**
 2  * 五月的倉頡https://www.cnblogs.com/xrq730/p/11134806.html  3  */
 4 public class HBaseUtilTest extends BaseHBaseUtilTest {  5 
 6  @Before  7     public void init() {  8         hBaseUtil = HBaseUtil.getInstance();  9         hBaseUtil.init("xxx"); 10  } 11     
12     /**
13  * 建立表 14      */
15  @Test 16     public void testCreateTable() { 17  hBaseUtil.createTable(TABLE_NAME, COLUMN_FAMILY_PERSONAL_INFO, COLUMN_FAMILY_FAMILY_INFO); 18  } 19     
20 }

我本身申請的HBase，zk地址就不給你們看啦，若是一樣申請了的，替換一下就行了。testCreateTable方法運行一下，就建立好了student表。接着利用put建立四條數據，多建立幾條，等下scan能夠測試：

 1 /**
 2  * 添加數據  3  */
 4 @Test  5 public void testPut() throws Exception {  6     Table table = hBaseUtil.getTable(TABLE_NAME);  7     // 用戶1，用戶id：12345
 8     Put put1 = new Put("12345".getBytes());  9     put1.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_NAME, "Lucy".getBytes()); 10     put1.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_AGE, "18".getBytes()); 11     put1.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_PHONE, "13511112222".getBytes()); 12     put1.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_FATHER, "LucyFather".getBytes()); 13     put1.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_MOTHER, "LucyMother".getBytes()); 14     // 用戶2，用戶id：12346
15     Put put2 = new Put("12346".getBytes()); 16     put2.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_NAME, "Lily".getBytes()); 17     put2.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_AGE, "19".getBytes()); 18     put2.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_PHONE, "13522223333".getBytes()); 19     put2.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_FATHER, "LilyFather".getBytes()); 20     put2.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_MOTHER, "LilyMother".getBytes()); 21     // 用戶3，用戶id：12347
22     Put put3 = new Put("12347".getBytes()); 23     put3.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_NAME, "James".getBytes()); 24     put3.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_AGE, "22".getBytes()); 25     put3.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_FATHER, "JamesFather".getBytes()); 26     put3.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_MOTHER, "JamesMother".getBytes()); 27     // 用戶4，用戶id：12447
28     Put put4 = new Put("12447".getBytes()); 29     put4.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_NAME, "Micheal".getBytes()); 30     put4.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_AGE, "22".getBytes()); 31     put2.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_PHONE, "13533334444".getBytes()); 32     put4.addColumn(COLUMN_FAMILY_FAMILY_INFO, COLUMN_MOTHER, "MichealMother".getBytes()); 33     
34  table.put(Lists.newArrayList(put1, put2, put3, put4)); 35 }

一樣的，運行一下testPut方法，四條數據就建立完畢了。注意爲了提高處理效率，HBase的get、put這些API都提供的批量處理方式，這樣一次提交能夠提交多條數據，發起一次請求便可，不用發起請求。

接着看一下利用Get API查詢數據：

 1 /**
 2  * 獲取數據  3  */
 4 @Test  5 public void testGet() throws Exception {  6     Table table = hBaseUtil.getTable(TABLE_NAME);  7     // get1，拿到所有數據
 8     Get get1 = new Get("12345".getBytes());  9     // get2，只拿personalInfo數據
10     Get get2 = new Get("12346".getBytes()); 11  get2.addFamily(COLUMN_FAMILY_PERSONAL_INFO); 12         
13     Result[] results = table.get(Lists.newArrayList(get1, get2)); 14     if (results == null || results.length == 0) { 15         return ; 16  } 17         
18     for (Result result : results) { 19  printResult(result); 20  } 21 } 22 
23 private void printResult(Result result) { 24     System.out.println("====================分隔符===================="); 25  printBytes(result.getValue(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_NAME)); 26  printBytes(result.getValue(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_AGE)); 27  printBytes(result.getValue(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_PHONE)); 28  printBytes(result.getValue(COLUMN_FAMILY_FAMILY_INFO, COLUMN_FATHER)); 29  printBytes(result.getValue(COLUMN_FAMILY_FAMILY_INFO, COLUMN_MOTHER)); 30 } 31     
32 private void printBytes(byte[] bytes) { 33     if (bytes != null && bytes.length != 0) { 34         System.out.println(new String(bytes)); 35  } 36 }

HBase查詢數據比較靈活的是，能夠查詢RowKey下對應的全部數據、能夠按照RowKey-Column Family的維度查詢數據、能夠按照RowKey-Column Family-Column的維度查詢數據，也能夠按照RowKey-Column Family-Column-Timestamp的維度查詢數據，能夠查詢Timestamp區間內的數據，也能夠查詢RowKey-Column Family-Column下全部Timestamp數據。上面的代碼執行結果爲：

====================分隔符==================== Lucy 18
13511112222 LucyFather LucyMother ====================分隔符==================== Lily 19
13533334444

和咱們的預期相符，即"12345"這個RowKey查詢出了全部數據，"12346"這個RowKey只查了personalInfo這個列族的數據。

最後這一部分咱們看一下更新，更新的API和新增的API都是同樣的，都是Put：

@Test public void testUpdate() throws Exception { Table table = hBaseUtil.getTable(TABLE_NAME); // 用戶1，用戶id：12345
    Put put = new Put("12346".getBytes()); put.addColumn(COLUMN_FAMILY_PERSONAL_INFO, COLUMN_AGE, 1, "22".getBytes()); table.put(put); }

Get看一下執行12346這條數據的值：

Lily 19
13533334444

看到12346對應的數據，本來Age是19，更新到22，依然是19，這就是一個值得注意的點了。HBase的更新實際上是往Table裏面新增一條記錄，按照Timestamp進行排序，最新的數據在前面，每次Get的時候將第一條數據取出來。在這裏咱們指定的Timestamp=1，這個值落後於先前插入的Timestamp，天然就排在後面，所以讀取出來的Age依然是原值19，這個細節特別注意一下。

HBase的Scan

感受前面篇幅有點大，因此這裏專門抽一個篇幅出來寫一下Scan，Scan是HBase掃描數據的方式。

首先能夠看一下最基本的Scan：

 1 /**
 2  * 掃描  3  */
 4 @Test  5 public void testScan() throws Exception {  6     Table table = hBaseUtil.getTable(TABLE_NAME);  7     Scan scan = new Scan().withStartRow("12345".getBytes(), true).withStopRow("12347".getBytes(), true);  8         
 9     ResultScanner rs = table.getScanner(scan); 10     if (rs != null) { 11         for (Result result : rs) { 12  printResult(result); 13  } 14  } 15 }

執行結果爲：

====================分隔符==================== Lucy 19
13511112222 LucyFather LucyMother ====================分隔符==================== Lily 19
13533334444 LilyFather LilyMother ====================分隔符==================== James 22 JamesFather JamesMother

表示查詢12345~12347這個範圍內的全部RowKey，withStartRow的第二個參數true表示包含，若是爲false那麼12345這個RowKey就查不出來了。

進階的，HBase爲咱們提供了帶過濾器的Scan，一共有十來種，我這邊只演示兩種以及組合的狀況，其餘的查詢一下HBase API文檔便可，2.1版本的API文檔地址爲http://hbase.apache.org/2.1/apidocs/index.html。演示代碼以下：

 1 @Test  2 public void testScanFilter() throws Exception {  3     Table table = hBaseUtil.getTable(TABLE_NAME);  4         
 5     System.out.println("********************RowFilter測試********************");  6     Scan scan0 = new Scan().withStartRow("12345".getBytes(), true);  7     scan0.setFilter(new RowFilter(CompareOperator.EQUAL, new BinaryComparator("12346".getBytes())));  8     ResultScanner rs0 = table.getScanner(scan0);  9  printResultScanner(rs0); 10         
11     System.out.println("********************PrefixFilter測試********************"); 12     Scan scan1 = new Scan().withStartRow("12345".getBytes(), true); 13     scan1.setFilter(new PrefixFilter("124".getBytes())); 14     ResultScanner rs1 = table.getScanner(scan1); 15  printResultScanner(rs1); 16         
17     System.out.println("********************兩種Filter同時知足測試********************"); 18     Scan scan2 = new Scan().withStartRow("12345".getBytes(), true); 19     Filter filter0 = new RowFilter(CompareOperator.EQUAL, new BinaryComparator("12447".getBytes())); 20     Filter filter1 = new PrefixFilter("124".getBytes()); 21     FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ALL, filter0, filter1); 22  scan2.setFilter(filterList); 23     ResultScanner rs2 = table.getScanner(scan2); 24  printResultScanner(rs2); 25 }

執行結果爲：

********************RowFilter測試********************
====================分隔符==================== Lily 19
13533334444 LilyFather LilyMother ********************PrefixFilter測試********************
====================分隔符==================== Micheal 22 MichealMother ********************兩種Filter同時知足測試********************
====================分隔符==================== Micheal 22 MichealMother

總的來講，HBase本質上是KV型NoSql，根據Key查詢Value是最高效的，Scan這個API仍是慎用，範圍裏面的數據量小倒無所謂，一旦RowKey設計不合理，StartRow和EndRow沒有指定好，可能會形成大範圍的掃描，下降HBase總體能力。

HBase和KV型緩存的區別

看了上面的代碼演示，不知道你們有沒有和我一開始有同樣的疑問：HBase看上去也是K-V形式的，那麼它和支持KV型數據的緩存（例如Redis、MemCache、Tair）有什麼區別？

我用一張表格總結一下兩者的區別：

總的來講，一樣做爲數據庫的NoSql替代方案，HBase更加適合用於海量數據的持久化場景，KV型緩存更加適合用於對數據的高性能讀寫上。

HBase的Region分裂及會致使的熱點問題

經典問題，首先看一下什麼是Region分裂，只把Region分裂講清楚，不講具體Region分裂的實現方式，理由也很簡單，Region分裂細節學得再清楚，對工做中的幫助也不大，不必太過於追根究底。

Region分裂是HBase可以擁有良好擴張性的最重要因素之一，也必然是全部分佈式系統追求無限擴展性的一副良藥。經過前面的部分咱們知道HBase的數據以行爲單位存儲在HBase表中，HBase表按照多行被分割爲多個Region，這個Region分佈在HBase集羣中，而且由Region Server進程負責講這些Region提供給Client訪問。一個Region中，RowKey是一個連續的範圍，也就是說表中的記錄在Region中是按照startKey到endKey的範圍爲RowKey進行排序存儲的。一般一個表由多個Region構成，這些Region分佈在多個Region Server上，也就是說，Region是在Region Server中插入和查詢數據時負載均衡的物理機制。一張HBase表在剛剛建立的時候默認只有一個Region，因此關於這張表的請求都被路由到同一個Region Server，不管集羣中有多少Region Server，而一旦某個Region的大小達到必定值，就會自動分裂爲兩個Region，這也就是爲何HBase表在剛剛建立的階段不能充分利用整個集羣吞吐量的緣由。

在HBase管理界面能夠查看每一個Region，startKey與endKey的範圍，例如（圖片來自網絡）：

這裏特別注意一個點，RowKey是按照Key的字符天然順序進行排序的，所以RowKey=9的Key，會落在最後一個Region Server中而不是第一個Region Server中。

那麼什麼是熱點問題應該也很好理解了：

雖然HBase的單機讀寫性能強勁，可是當集羣中成千上萬的請求RowKey都落在aaaaa-ddddd之間，那麼這成千上萬請求最終落到Region Server1這臺服務器上，一旦超出服務器自身承受能力，那麼必然致使服務器不可用甚至宕機。所以咱們說設計RowKey的時候千萬把時間戳或者id自增的方式做爲RowKey方案就是這個道理，時間戳或者id自增的方式，雖然最終可讓RowKey落到不一樣的Region中，可是在當下或者當下日後的一段時間內，RowKey必定是會落到同一個Region中的，數據熱點問題將嚴重影響HBase集羣能力。

解決熱點問題一般有兩個方案，最初級的方案是設置預分區，即在Table建立的時候就先設置幾個Region，爲每一個Region劃分不一樣的startKey與endKey，但這麼作有如下兩個缺點：

高度依賴RowKey，必須事先知道插入數據的RowKey的分佈
即便事先知道插入數據的RowKey分佈，可是若是數據分佈不均勻或者存在熱點行，依然沒法均勻分攤負載

可是不管如何，設置預分區依然是一種解決熱點問題的方案。

第二個解決方案是一勞永逸的解決方案也是使用HBase最核心的一個點：合理設計RowKey。即讓RowKey均勻分佈在Region中，大體有如下幾個方案可供參考：

倒序。例如手機號碼135ABCD、135EFGH、135IJKL這種，前綴沒有區分度，很是容易落到相同的Region中，此時作倒序即DCBA53一、HGFE53一、LKJI531，將有區分度的部分放在前面，就很是容易將數據散落在不一樣的Region中
原數據加密。例如作MD5，由於MD5的隨機性是很是強的，所以作了MD5後，數據將會很是分散
加隨機前綴。例如ASCII碼中隨機選5位做爲數據前綴，一樣能夠達到分散RowKey的效果，可是缺點是必須記住每一個原數據對應的前綴

不管如何，仍是那句話，合理設計RowKey是HBase使用的核心。

WAL機制

最後講一下前面提到的WAL機制，WAL的全稱爲Write Ahead Log，它是HBase的RegionServer在處理數據插入和刪除的過程當中用來記錄操做內容的一種日誌，是用來作災難恢復的。

其實WAL並非什麼新鮮思想，在數據庫領域很常見：

mysql有binlog，記錄每一次數據變動
redis有aof，在開啓aof的狀況下，每隔短暫時間，將這段時間產生的操做記錄文件

其核心都是，變動數據前先寫磁盤日誌文件，在系統發生異常的時候，重放日誌文件對數據進行恢復，HBase的WAL機制也是同樣的思想，數據變動步驟爲：

首先從以前的圖上能夠看到有HLog，HLog是實現WAL的類，一個RegionServer對應一個HLog，多個Region共享一個HLog，不過從HBase1.0版本開始能夠定義多個HLog以提升吞吐量
客戶端的一次數據提交先寫HLog，這個是告知客戶端數據提交成功的前提
HLog寫入成功後寫入MemStore
當MemStore的值達到必定程度後，flush到hdfs，造成一個一個的StoreFile（HFile）
flush事後，HLog中對應的數據就沒用了，刪除

由於有了HLog，即便在MemStore中的數據尚未flush到hdfs的時候系統發生了宕機或者重啓，數據都不會出現丟失。

相關標籤/搜索