最近学习了HBase

时间：2019-07-15 00:07:15 收藏：0 阅读：106

HBase是什么

最近学习了HBase，正常来说写这篇文章，应该从DB有什么缺点，HBase如何弥补DB的缺点开始讲会更有体感，但是本文这些暂时不讲，只讲HBase，把HBase相关原理和使用讲清楚，后面有一篇文章会专门讲DB与NoSql各自的优缺点以及使用场景。

HBase是谷歌Bigtable的开源版本，2006年谷歌发布《Bigtable：A Distributed Storage System For Structured Data》论文之后，Powerset公司就宣布HBase在Hadoop项目中成立，作为子项目存在。后来，在2010年左右逐渐成为Apache旗下的一个顶级项目，因此HBase名称的由来就是由于其作为Hadoop Database存在的，用于存储非结构化、半结构化的数据。

下图展示了HBase在Hadoop生态中的位置：

技术分享图片

可以看到HBase建立在HDFS上，HBase内部管理的文件全部都是存储在HDFS中，同时MapReduce这个计算框架在HBase之上又提供了高性能的计算能力来处理海量数据。

HBase的特点与不足

HBase的基本特点概括大致如下：

海量数据存储（PB）级别，在PB级别数据以及采用廉价PC存储的情况下，数据能在几十到百毫秒内返回数据
高可用，WAL + Replication机制保证集群异常不会导致写入数据丢失与数据损坏，且HBase底层使用HDFS，HDFS本身也有备份
数据写入性能强劲
列式存储，和传统数据库行式存储有本质的区别，这个在之后HBase存储原理的时候详细解读
半结构化或非结构化数据存储
存储稀松灵活，列数据为空的情况下不占据存储空间
同一份数据，可存储多版本号数据，方便历史数据回溯
行级别事务，可以保证行级别数据的ACID特性
扩容方便，无需数据迁移，及扩即用

当然事事不是完美的，HBase也存在着以下两个最大的不足：

无法做到条件查询，这是最大的问题，假如你的代码中存在多个查询条件，且每次使用哪个/哪组查询条件不确定，那么使用HBase是不合适的，除非数据冗余，设计多份RowKey
做不了分页，数据总记录数几乎无法统计，因为HBase本身提供的表行数统计功能是一个MapReduce任务，极为耗时，既然拿不到总记录数，分页总署也没法确定，自然分页也无法做了

总的来说，对于HBase需要了解以上的一些个性应该大致上就可以了，根据HBase的特点与不足，在合适的场景下选择使用HBase，接下来针对HBase的一些知识点逐一解读。

HBase的基本架构

下图是HBase的基本架构：

技术分享图片

从图上可以看到，HBase中包含的一些组件如下：

Client----包含访问HBase的接口
Zookeeper----通过选举保证任何时候集群中只有一个HMaster、HMaster与Region Server启动时向注册、存储所有Region的寻址入口、实时监控Region Server的上下线信息并实时通知给HMaster、存储HBase的Schema与Table原数据
HMaster----为Region Server分配Region、负责Region Server的负载均衡、发现失效的Region Server并重新分配其上的Region、管理用户对Table的增删改查
Region Server----维护Region并处理对Region的IO请求、切分在运行过程中变得过大的Region

其中，Region是分布式存储和负载均衡中的最小单元，不过并不是存储的最小单元。Region由一个或者多个Store组成，每个Store保存一个列簇；每个Store又由一个memStore和0~N个StoreFile组成，StoreFile包含HFile，StoreFile只是对HFile做了轻量级封装，底层就是HFile。

介于上图元素有点多，我这边画了一张图，把HBase架构中涉及的元素的关系理了一下：

技术分享图片

HBase的基本概念

接着看一下HBase的一些基本概念，HBase是以Table（表）组织数据的，一个Table中有着以下的一些元素：

RowKey（行键）----即关系型数据库中的主键，它是唯一的，在HBase中这个主键可以是任意的字符串，最大长度为64K，在内部存储中会被存储为字节数组，HBase表中的数据是按照RowKey的字典序排列的。例如1、2、3、4、5、10，按照自然数的顺序是这样的，但是在HBase中1后面跟的是10而不是2，因此在设计RowKey的时候一定要充分利用字典序这个特性，将一下经常读取的行存储到一起或者靠近，减少Scan耗时，提高读取的效率
Column Family（列族）----表Schema的一部分，HBase表中的每个列都归属于某个列族，即列族是由一系列的列组成的，必须在创建表的时候就指定好。列明都以列族作为前缀，例如courses:history、courses:math都属于courses这个列族。列族不是越多越好，过多的列族会导致io增多及分裂时数据不均匀，官方推荐列族数量为1~3个。列族不仅能帮助开发者构建数据的语义边界，还能有助于开发者设置某些特性，例如可以指定某个列族内的数据压缩形式。访问控制、磁盘和内存怒的使用统计都是在列族层面进行的，
Column（列）----一般从属于某个列族，列的数量一般没有强限制，一个列族中可以有数百万列且这些列都可以动态添加
Version Number（版本号）----HBase中每一列的值或者说每个单元格的值都是具有版本号的，默认使用系统当前时间，精确到毫秒，也可以用户显式地设置。每个单元格中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。另外，为了避免数据存在过多版本造成的管理（存储 + 索引）负担，HBase提供了两种数据版本回收的方式，一是保存数据的最后n个版本，二是保存最近一段时间内的版本，用户可以针对每个列族进行设置
Cell（单元格）----一个单元格就是由RowKey、Column Family:Column、Version Number唯一确定的，Cell中的数据是没有类型的，全部都是字节码

另外一个概念就是，访问HBase Table中的行，只有三种方式：

通过单个Row Key访问
通过Row Key的range
全表扫描

这部分介绍的Table、RowKey、Column Family、Column等都属于逻辑概念，而上部分中的Region Server、Region、Store等都属于物理概念，下图展示了逻辑概念与物理概念之间的关系：

技术分享图片

即：table和region是一对多的关系，因为table的数据可能被打在多个region中；region和columnFamily是一对多的关系，一个store对应一个columnFamily，一个region可能对应多个store。

HBase的逻辑表视图与物理表视图

接着看一下HBase中的表逻辑视图与物理视图。首先是逻辑表视图：

技术分享图片

看到这里定义了2个列族，一个Personal Info、一个Family Info，对应到数据库中，相当于把两张表合并到一个一起。

从逻辑视图看，上图由ZhangSan、LiSi两行组成，但是在实际物理存储上却不是按照这种方式进行的存储：

技术分享图片

看到主要是有两点差别：

一行被拆开了，按照列进行存储
空列不会被存储，例如LiSi在Peronal Info中没有Provice与Phone，在Family Info中没有Brother

HBase的增删改查

光说不练假把式，不能光讲理论，代码也是要有的，为了方便起见，我用的是阿里云HBase，和HBase一样，只是省去了运维成本。当然虽然本人是内部员工，但是工作之外的学习是不会占用公司资源的^_^悄悄告诉大家，阿里云HBase有个福利，第一个月免费试用，想同样玩一下HBase的可以去阿里云搞一个。

首先添加一下pom依赖，用阿里云指定的HBase，使用上和原生的HBase API一模一样：

<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>

注意一下第二个dependency，jdk.tools不添加pom文件可能会报错"Missing artifact jdk.tools:jdk.tools:jar:1.8"，错误原因是tools.jar包是JDK自带的，pom.xml中以来的包隐式依赖tools.jar包，而tools.jar并未在库中，因此需要将tools.jar包添加到jdk库中。

首先写个HBaseUtil，用单例模式来写，好久没写了，顺便练习一下：

 1 /**
 2  * 五月的仓颉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与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      * 创建table
47      */
48     public void createTable(String tableName, byte[]... columnFamilies) {
49         // HBase创建表的时候必须创建指定列族
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             // 这个Table连接存入内存中
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对象存入内存
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中的数据一切皆二进制，因此从上面代码到后面代码，字符串全部都转换成了二进制。

接着定义一个BaseHBaseUtilTest类，把一些基本的定义放在里面，保持主测试类清晰：

 1 /**
 2  * 五月的仓颉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，创建Table，注意前面说的，HBase必须Table和列族一起创建：

 1 /**
 2  * 五月的仓颉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      * 创建表
14      */
15     @Test
16     public void testCreateTable() {
17         hBaseUtil.createTable(TABLE_NAME, COLUMN_FAMILY_PERSONAL_INFO, COLUMN_FAMILY_FAMILY_INFO);
18     }
19     
20 }

我自己申请的HBase，zk地址就不给大家看啦，如果同样申请了的，替换一下就好了。testCreateTable方法运行一下，就创建好了student表。接着利用put创建四条数据，多创建几条，等下scan可以测试：

 1 /**
 2  * 添加数据
 3  */
 4 @Test
 5 public void testPut() throws Exception {
 6     Table table = hBaseUtil.getTable(TABLE_NAME);
 7     // 用户1，用户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     // 用户2，用户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     // 用户3，用户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     // 用户4，用户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 }

同样的，运行一下testPut方法，四条数据就创建完毕了。注意为了提升处理效率，HBase的get、put这些API都提供的批量处理方式，这样一次提交可以提交多条数据，发起一次请求即可，不用发起请求。

接着看一下利用Get API查询数据：

 1 /**
 2  * 获取数据
 3  */
 4 @Test
 5 public void testGet() throws Exception {
 6     Table table = hBaseUtil.getTable(TABLE_NAME);
 7     // get1，拿到全部数据
 8     Get get1 = new Get("12345".getBytes());
 9     // get2，只拿personalInfo数据
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查询数据比较灵活的是，可以查询RowKey下对应的所有数据、可以按照RowKey-Column Family的维度查询数据、可以按照RowKey-Column Family-Column的维度查询数据，也可以按照RowKey-Column Family-Column-Timestamp的维度查询数据，可以查询Timestamp区间内的数据，也可以查询RowKey-Column Family-Column下所有Timestamp数据。上面的代码执行结果为：

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

和我们的预期相符，即"12345"这个RowKey查询出了所有数据，"12346"这个RowKey只查了personalInfo这个列族的数据。

最后这一部分我们看一下更新，更新的API和新增的API都是一样的，都是Put：

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

Get看一下执行12346这条数据的值：

Lily
19
13533334444

看到12346对应的数据，原本Age是19，更新到22，依然是19，这就是一个值得注意的点了。HBase的更新其实是往Table里面新增一条记录，按照Timestamp进行排序，最新的数据在前面，每次Get的时候将第一条数据取出来。在这里我们指定的Timestamp=1，这个值落后于先前插入的Timestamp，自然就排在后面，因此读取出来的Age依然是原值19，这个细节特别注意一下。

HBase的Scan

感觉前面篇幅有点大，所以这里专门抽一个篇幅出来写一下Scan，Scan是HBase扫描数据的方式。

首先可以看一下最基本的Scan：

 1 /**
 2  * 扫描
 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 }

执行结果为：

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

表示查询12345~12347这个范围内的所有RowKey，withStartRow的第二个参数true表示包含，如果为false那么12345这个RowKey就查不出来了。

进阶的，HBase为我们提供了带过滤器的Scan，一共有十来种，我这边只演示两种以及组合的情况，其他的查询一下HBase API文档即可，2.1版本的API文档地址为http://hbase.apache.org/2.1/apidocs/index.html。演示代码如下：

 1 @Test
 2 public void testScanFilter() throws Exception {
 3     Table table = hBaseUtil.getTable(TABLE_NAME);
 4         
 5     System.out.println("********************RowFilter测试********************");
 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测试********************");
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("********************两种Filter同时满足测试********************");
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 }

执行结果为：

********************RowFilter测试********************
====================分隔符====================
Lily
19
13533334444
LilyFather
LilyMother
********************PrefixFilter测试********************
====================分隔符====================
Micheal
22
MichealMother
********************两种Filter同时满足测试********************
====================分隔符====================
Micheal
22
MichealMother

总的来说，HBase本质上是KV型NoSql，根据Key查询Value是最高效的，Scan这个API还是慎用，范围里面的数据量小倒无所谓，一旦RowKey设计不合理，StartRow和EndRow没有指定好，可能会造成大范围的扫描，降低HBase整体能力。

HBase和KV型缓存的区别

看了上面的代码演示，不知道大家有没有和我一开始有一样的疑问：HBase看上去也是K-V形式的，那么它和支持KV型数据的缓存（例如Redis、MemCache、Tair）有什么区别？

我用一张表格总结一下二者的区别：

技术分享图片

总的来说，同样作为数据库的NoSql替代方案，HBase更加适合用于海量数据的持久化场景，KV型缓存更加适合用于对数据的高性能读写上。

HBase的Region分裂及会导致的热点问题

经典问题，首先看一下什么是Region分裂，只把Region分裂讲清楚，不讲具体Region分裂的实现方式，理由也很简单，Region分裂细节学得再清楚，对工作中的帮助也不大，没必要太过于追根究底。

Region分裂是HBase能够拥有良好扩张性的最重要因素之一，也必然是所有分布式系统追求无限扩展性的一副良药。通过前面的部分我们知道HBase的数据以行为单位存储在HBase表中，HBase表按照多行被分割为多个Region，这个Region分布在HBase集群中，并且由Region Server进程负责讲这些Region提供给Client访问。一个Region中，RowKey是一个连续的范围，也就是说表中的记录在Region中是按照startKey到endKey的范围为RowKey进行排序存储的。通常一个表由多个Region构成，这些Region分布在多个Region Server上，也就是说，Region是在Region Server中插入和查询数据时负载均衡的物理机制。一张HBase表在刚刚创建的时候默认只有一个Region，所以关于这张表的请求都被路由到同一个Region Server，无论集群中有多少Region Server，而一旦某个Region的大小达到一定值，就会自动分裂为两个Region，这也就是为什么HBase表在刚刚创建的阶段不能充分利用整个集群吞吐量的原因。

在HBase管理界面可以查看每个Region，startKey与endKey的范围，例如（图片来自网络）：

技术分享图片

这里特别注意一个点，RowKey是按照Key的字符自然顺序进行排序的，因此RowKey=9的Key，会落在最后一个Region Server中而不是第一个Region Server中。

那么什么是热点问题应该也很好理解了：

技术分享图片

虽然HBase的单机读写性能强劲，但是当集群中成千上万的请求RowKey都落在aaaaa-ddddd之间，那么这成千上万请求最终落到Region Server1这台服务器上，一旦超出服务器自身承受能力，那么必然导致服务器不可用甚至宕机。因此我们说设计RowKey的时候千万把时间戳或者id自增的方式作为RowKey方案就是这个道理，时间戳或者id自增的方式，虽然最终可以让RowKey落到不同的Region中，但是在当下或者当下往后的一段时间内，RowKey一定是会落到同一个Region中的，数据热点问题将严重影响HBase集群能力。

解决热点问题通常有两个方案，最初级的方案是设置预分区，即在Table创建的时候就先设置几个Region，为每个Region划分不同的startKey与endKey，但这么做有以下两个缺点：

高度依赖RowKey，必须事先知道插入数据的RowKey的分布
即使事先知道插入数据的RowKey分布，但是如果数据分布不均匀或者存在热点行，依然无法均匀分摊负载

但是无论如何，设置预分区依然是一种解决热点问题的方案。

第二个解决方案是一劳永逸的解决方案也是使用HBase最核心的一个点：合理设计RowKey。即让RowKey均匀分布在Region中，大致有以下几个方案可供参考：

倒序。例如手机号码135ABCD、135EFGH、135IJKL这种，前缀没有区分度，非常容易落到相同的Region中，此时做倒序即DCBA531、HGFE531、LKJI531，将有区分度的部分放在前面，就非常容易将数据散落在不同的Region中
原数据加密，例如做MD5，因为MD5的随机性是非常强的，因此做了MD5后，数据将会非常分散
加随机前缀，比如ASCII码中随机选5位作为数据前缀，同样可以达到分散RowKey的效果，但是缺点是必须记住每个原数据对应的前缀

无论如何，还是那句话，合理设计RowKey是HBase使用的核心。

WAL机制

最后讲一下前面提到的WAL机制，WAL的全称为Write Ahead Log，它是HBase的RegionServer在处理数据插入和删除的过程中用来记录操作内容的一种日志，是用来做灾难恢复的。

其实WAL并不是什么新鲜思想，在分布式领域很常见：

mysql有binlog，记录每一次数据变更
redis有aof，在开启aof的情况下，每隔短暂时间，将这段时间产生的操作记录文件

其核心都是，变更数据前先写磁盘日志文件，在系统发生异常的时候，重放日志文件对数据进行恢复，HBase的WAL机制也是一样的思想，数据变更步骤为：

首先从之前的图上可以看到有HLog，HLog是实现WAL的类，一个RegionServer对应一个HLog，多个Region共享一个HLog，不过从HBase1.0版本开始可以定义多个HLog以提高吞吐量
客户端的一次数据提交先写HLog，这个是告知客户端数据提交成功的前提
HLog写入成功后写入MemStore
当MemStore的值达到一定程度后，flush到hdfs，形成一个一个的StoreFile（HFile）
flush过后，HLog中对应的数据就没用了，删除

因为有了HLog，即使在MemStore中的数据还没有flush到hdfs的时候系统发生了宕机或者重启，数据都不会出现丢失。

原文：https://www.cnblogs.com/xrq730/p/11134806.html