HBase RowKey设计的那些事

在说rowkey设计之前，先回答一下大家配置HBase时可能有的疑问，关于HBase是否需要单独的ZooKeeper托管？嗯，如果只是部署HBase，我建议不要用单独的ZooKeeper进行托管，用HBase自带的ZooKeeper就可以，假如要部署其他应用，比如Spark等可以单独部署一个ZooKeeper集群。好，废话不多说了，下面说说RowKey设计的事。

先谈HBase底层架构

对于新手来说，RowKey的设计是比较陌生的一件事，看上去很简单的东西，其实非常复杂，RowKey的设计基本上可以划分成两大影响，分别是分析维度、查询性能。为什么要这样分呢？我们再回头看看HBase系统架构图：



这种设计看上去并没有什么问题，但是这种设计隐藏了非常多陷阱，假如CompanyCode字段非常固定，而TimeStamp变化比较大的话，会造成单个Region连续地存储这些数据，数据量非常大的时候，这个Region会集中了这些数据，当有应用需要访问这些数据时，造成了RPC timeout，甚至应用程序直接报错，无法执行。

合理的RowKey设计方法

基于上面的原因，我们需要考虑单点集中以及数据查询两方面的因素，因此，在RowKey上我们要针对这两个问题进行方案设计。

首先是单点集中问题，我们出现这样单点集中的原因大概有以下几种：

l RowKey前面的字符过于固定
l 集群结点数量过少
集群结点数量是由我们自身硬件资源限制的，这个我们不考虑在内，我们主要考虑RowKey设计。既然是因为前面字符过于集中，那么我们可以通过在RowKey前面添加随机的一个字符串，下面是引自《HBase Essential》里面的一个随机字符计算方法：

int saltNumber = new Long(new Long(timestamp).hashCode()) %<number of region servers>
用这种方法，我们在插入数据的时候可以人为地随机把一断时间内的数据打散，分布到各个RegionServer下的Region中，充分利用分布式的优势，这样做不紧可以加快数据的读写访问，也解决了数据集中的问题。

改良后的RowKey设计方案

通过上面的技术研讨，可以制定出以下的RowKey设计方案了：

随机字符(2位) + 时间位（14位）+ CompanyCode（4位）
我在实际测试过程中，前后两种方案对比，前者的MR程序跑了1个小时，后者只花了5分钟。

合理地编写查询代码

我们完成数据存储之后，假如要取出某部分数值，需要设置Scan查询，以下是我在实战中用到的部分代码，仅供参考：

public class HBaseTableDriver extends Configured implements Tool {

public int run(String[] arg0) throws Exception {

if(arg0.length < 4 || arg0.length > 5)

throw new IllegalArgumentException("The input argument need:start && stop && farmid && turbineNum && calid");

if(arg0[0].length() != 8 || arg0[1].length() != 8)

throw new IllegalArgumentException("The date format should be yyyyMMdd");

Configuration conf = HBaseConfiguration.create();

conf.set("hbase.zookeeper.quorum", ConstantValues.QUOREM);

conf.set("hbase.zookeeper.property.clientPort", ConstantValues.CLIENT_PORT);

//extract table && tagid && start time && end time

conf.set("start", arg0[0]);

conf.set("stop", arg0[1]);

conf.set("farmid", arg0[2]);

conf.set("turbineNum", arg0[3]);

conf.set("calid", arg0[4]);

String startRow = "0" + arg0[0] + " 000000" + arg0[2] + "001";

String stopRow = "2" + arg0[1] + " 235959" + arg0[2] + RowKeyGenerator.addZero(Integer.parseInt(arg0[3]));

String targetKpiTableName = "kpi2";

Job job = Job.getInstance(conf, "KPIExtractor");

job.setJarByClass(KPIExtractor.class);

job.setNumReduceTasks(6);

Scan scan = new Scan();

scan.addColumn("f".getBytes(), "v".getBytes());

String regEx = "^\\d{1}(?:" + arg0[0].substring(0, 4) + "|" + arg0[1].substring(0, 4) + ")\\d{17}";

switch(arg0[4]){

case "1":

regEx = regEx + "(?:823|834)$";

startRow = startRow + "823";

stopRow = stopRow + "834";

break;

case "2":

regEx = regEx + "211$";

startRow = startRow + "211";

stopRow = stopRow + "211";

break;

case "3":

regEx = regEx + "544$";

startRow = startRow + "544";

stopRow = stopRow + "544";

break;

case "4":

regEx = regEx + "208$";

startRow = startRow + "208";

stopRow = stopRow + "208";

break;

case "5":

regEx = regEx + "(?:739|823)$";

startRow = startRow + "739";

stopRow = stopRow + "823";

break;

case "6":

regEx = regEx + "(?:211|823)$";

startRow = startRow + "211";

stopRow = stopRow + "823";

break;

case "7":

regEx = regEx + "708$";

startRow = startRow + "708";

stopRow = stopRow + "708";

break;

case "8":

regEx = regEx + "822$";

startRow = startRow + "822";

stopRow = stopRow + "822";

break;

case "9":

regEx = regEx + "211$";

startRow = startRow + "211";

stopRow = stopRow + "211";

break;

default:

throw new IllegalArgumentException("UnKnown Argument calid:"+arg0[4]+",it should be between 1~9");

}

scan.setStartRow(startRow.getBytes());

scan.setStopRow(stopRow.getBytes());

scan.setFilter(new RowFilter(CompareOp.EQUAL, new RegexStringComparator(regEx)));

TableMapReduceUtil.initTableMapperJob("hellowrold", scan , KPIMapper.class, ImmutableBytesWritable.class, ImmutableBytesWritable.class, job);

TableMapReduceUtil.initTableReducerJob(targetKpiTableName, KPIReducer.class, job);

job.waitForCompletion(true);

return 0;

}

}

注意点：

l 这里主要用到了RowFilter对RowKey进行过滤，并且我在查阅相关资料的时候，别人建议不要在大数据量下使用ColumnFilter，性能非常低。
l 可以通过Configuration为Map/Reduce传输参数值。