Hbas的熱點現象是什麼？

當大量請求訪問hbase集群的乙個或少數幾個節點，造成少數regionserver的讀寫請求過多、負載過大，而其他regionserver負載卻很小，這樣就造成熱點現象。

大量訪問會使熱點region所在的主機負載過大，引起效能下降，甚至導致region不可用。所以我們在向hbase中插入資料的時候，應盡量均衡地把記錄分散到不同的region裡去，平衡每個region的壓力。

在對hbase的讀寫過程中，如何避免熱點現象呢？主要有以下幾種方法：

reversing

如果經初步設計出的rowkey在資料分布上不均勻，但rowkey尾部的資料卻呈現出了良好的隨機性，此時，可以考慮將rowkey的資訊翻轉，或者直接將尾部的bytes提前到rowkey的開頭。reversing可以有效的使rowkey隨機分布，但是犧牲了rowkey的有序性。

缺點：利於get操作，但不利於scan操作，因為資料在原rowkey上的自然順序已經被打亂。

salting

salting（加鹽）的原理是在原rowkey的前面新增固定長度的隨機數，也就是給rowkey分配乙個隨機字首使它和之間的rowkey的開頭不同。隨機數能保障資料在所有regions間的負載均衡。

缺點：因為新增的是隨機數，基於原rowkey查詢時無法知道隨機數是什麼，那樣在查詢的時候就需要去各個可能的regions中查詢，salting對於讀取是利空的。並且加鹽這種方式增加了讀寫時的吞吐量。

hashing

基於 rowkey 的完整或部分資料進行 hash，而後將hashing後的值完整替換或部分替換原rowkey的字首部分。這裡說的 hash 包含 md5、sha1、sha256 或 sha512 等演算法。

缺點：與 reversing 類似，hashing 也不利於 scan，因為打亂了原rowkey的自然順序。