- rowkey長度原則
rowkey是乙個二進位製碼流，可以是任意字串，最大長度 64kb ，實際應用中一般為10-100bytes，以 byte 形式儲存，一般設計成定長。建議越短越好，不要超過16個位元組，原因如下：
資料的持久化檔案hfile中是按照keyvalue儲存的，如果rowkey過長，比如超過100位元組，1000w行資料，光rowkey就要占用100*1000w=10億個位元組，將近1g資料，這樣會極大影響hfile的儲存效率；
memstore將快取部分資料到記憶體，如果rowkey欄位過長，記憶體的有效利用率就會降低，系統不能快取更多的資料，這樣會降低檢索效率。
目前作業系統都是64位系統，記憶體8位元組對齊，控制在16個位元組，8位元組的整數倍利用了作業系統的最佳特性。
如果rowkey按照時間戳的方式遞增，不要將時間放在二進位製碼的前面，建議將rowkey的高位作為雜湊字段，由程式隨機生成，低位放時間字段，這樣將提高資料均衡分布在每個regionserver，以實現負載均衡的機率。如果沒有雜湊字段，首字段直接是時間資訊，所有的資料都會集中在乙個regionserver上，這樣在資料檢索的時候負載會集中在個別的regionserver上，造成熱點問題，會降低查詢效率。
必須在設計上保證其唯一性，rowkey是按照字典順序排序儲存的，因此，設計rowkey的時候，要充分利用這個排序的特點，將經常讀取的資料儲存到一塊，將最近可能會被訪問的資料放到一塊。
hbase中的行是按照rowkey的字典順序排序的，這種設計優化了scan操作，可以將相關的行以及會被一起讀取的行訪問在臨近位置，便於scan。然而糟糕的rowkey設計是熱點的源頭。 熱點發生在大量的client直接訪問集群的乙個或極少數個節點（訪問可能是讀，寫或者其他操作）。大量訪問會使熱點region所在的單個機器超出自身承受能力，引起效能下降甚至region不可用，這也會影響同乙個regionserver上的其他region，由於主機無法服務其他region的請求。 設計良好的資料訪問模式以使集群被充分，均衡的利用。為了避免寫熱點，設計rowkey使得不同行在同乙個region，但是在更多資料情況下，資料應該被寫入集群的多個region，而不是乙個。
下面是一些常見的避免熱點的方法以及它們的優缺點：
這裡所說的加鹽不是密碼學中的加鹽，而是在rowkey的前面增加隨機數，具體就是給rowkey分配乙個隨機字首以使得它和之前的rowkey的開頭不同。分配的字首種類數量應該和你想使用資料分散到不同的region的數量一致。加鹽之後的rowkey就會根據隨機生成的字首分散到各個region上，以避免熱點。
雜湊會使同一行永遠用乙個字首加鹽。雜湊也可以使負載分散到整個集群，但是讀卻是可以**的。使用確定的雜湊可以讓客戶端重構完整的rowkey，可以使用get操作準確獲取某乙個行資料
第三種防止熱點的方法時反轉固定長度或者數字格式的rowkey。這樣可以使得rowkey中經常改變的部分（最沒有意義的部分）放在前面。這樣可以有效的隨機rowkey，但是犧牲了rowkey的有序性。反轉rowkey的例子以手機號為rowkey，可以將手機號反轉後的字串作為rowkey，這樣的就避免了以手機號那樣比較固定開頭導致熱點問題
乙個常見的資料處理問題是快速獲取資料的最近版本，使用反轉的時間戳作為rowkey的一部分對這個問題十分有用，可以用 long.max_value - timestamp 追加到key的末尾，例如 [key][reverse_timestamp] , [key] 的最新值可以通過scan [key]獲得[key]的第一條記錄，因為hbase中rowkey是有序的，第一條記錄是最後錄入的資料。比如需要儲存乙個使用者的操作記錄，按照操作時間倒序排序，在設計rowkey的時候，可以這樣設計
[userid反轉][long.max_value - timestamp]，在查詢使用者的所有操作記錄資料的時候，直接指定反轉後的userid，startrow是[userid反轉][000000000000],stoprow是[userid反轉][long.max_value - timestamp]
如果需要查詢某段時間的操作記錄，startrow是[user反轉][long.max_value - 起始時間]，stoprow是[userid反轉][long.max_value - 結束時間]
儘量減少行和列的大小在hbase中，value永遠和它的key一起傳輸的。當具體的值在系統間傳輸時，它的rowkey，列名，時間戳也會一起傳輸。如果你的rowkey和列名很大，甚至可以和具體的值相比較，那麼你將會遇到一些有趣的問題。hbase storefiles中的索引（有助於隨機訪問）最終佔據了hbase分配的大量記憶體，因為具體的值和它的key很大。可以增加block大小使得storefiles索引再更大的時間間隔增加，或者修改表的模式以減小rowkey和列名的大小。壓縮也有助於更大的索引。
Hbase 學習（七） rowkey設計
一直以來對rowkey的設計都比較迷茫，hbase權威指南 倒是給出了個還算靠譜的例子。下面這個例子有點兒像帖子表結構，它的rowkey設計是這樣的，可以簡單的理解為，什麼人在什麼時間發了什麼資訊，資訊包括什麼附件，它是使用者為主線的乙個設計。如果我們想查某個使用者發的資訊，我們可以設定scan的s...
HBase學習之HBase的RowKey設計原則
hbase是三維有序儲存的，通過rowkey 行鍵 column key column family和qualifier 和timestamp 時間戳 這個三個維度可以對hbase中的資料進行快速定位。hbase中rowkey可以唯一標識一行記錄，在hbase查詢的時候，有以下幾種方式 通過get方...
Hbase學習筆記 rowkey
案例 reliable and scalable data ingestion at airbnb apache hbase at airbnb airbnb軟體工程師丁辰 airbnb的streaming etl 在airbnb的rowkey設計案例中，使用了hash法避免了寫入熱點問題，其中 e...