Hbase入門(四)——表結構設計-RowKey

Hbase的表結構設計與關係型資料庫有很多不同，主要是Hbase有Rowkey和列族、timestamp這幾個全新的概念，如何設計表結構就非常的重要。

創建

Hbase就是通過 表 Rowkey 列族 timestamp確定一行數據。

這與關係型資料庫完全不同：

所以Hbase需要考慮的因素有：

1、這個表應該有多少列族

2、列族使用什麼數據

3、每個列族有多少列

4、列名是什麼

5、單元應該存放什麼數據

6、每個單元存儲多少時間版本

7、Rowkey結構是什麼，應該包含什麼信息

需要註意的點：

1、Join

Hbase中沒有join 所以需要大表結構 行記錄加關鍵字 解決這個問題

2、Rowkey

Rowkey設計非常重要 由於Hbase是有序的 需要考慮首碼尾碼問題

可以通過Hbase Shell和 Java Api創建：

Configuration config = HBaseConfiguration.create();
Admin admin = new Admin(conf);
TableName table = TableName.valueOf("myTable");

admin.disableTable(table);

HColumnDescriptor cf1 = ...;
admin.addColumn(table, cf1);      // adding new ColumnFamily
HColumnDescriptor cf2 = ...;
admin.modifyColumn(table, cf2);    // modifying existing ColumnFamily

admin.enableTable(table);

Rowkey設計

Rowkey是不可分割的位元組數組，按字典序存儲在表中。

由於：Region基於Rowkey為一個區間的行提供服務 HFile在硬碟上存儲有序的行 所以Rowkey就極大的影響了Hbase的性能。

Rowkey就是索引，如果不清楚Rowkey就只能掃描全表，那麼性能將會大幅度下降。

這裡用影片熱度排行榜舉例：

1、Rowkey是以字典序從大到小

原生Hbase只支持從小到大排序，要想實現從大到小，可以採用 Rowkey=Integer.MAX_VALUE-Rowkey的方式，在應用層再轉回來完成需求。

2、Rowkey儘量散列

Rowkey要儘量散列，這樣可以保證數據不在一個Region上，從而避免了讀寫的集中。

比如我們可以設計 userid_videoid 拼接字元串 這樣的話user就會不均勻。

有三種辦法解決： 反轉userid 散列userid 將userid取模後進行MD5加密 取前6位加入userid中

3、Rowkey長度要儘量短

Rowkey過長，存儲開銷會大。

Rowkey過長，會導致記憶體的利用率降低，進而降低索引命中率。

列族

列族是一些列的集合，一個列族所有成員都有同樣的首碼，比如courses：history 和 courses：math都是courses列族的成員。冒號是分隔符。列族首碼必須是可輸出字元，列可由任意位元組數組組成。

列族必須在表建立的時候聲明，列則不需要特別聲明，用戶隨時可以創建新列。

經驗法則：

• 目標是把 region 的大小限制在 10 到 50 GB 之間。
• 目標是限制 cell 的大小在 10 MB 之內，如果使用的是 mob類型，限制在 50 MB 之內。否則，考慮把 cell 的數據存儲在 HDFS 中，併在 HBase 中存儲指向該數據的指針。
• 典型的 scheme 每張表包含 1 到 3 個列族。HBase 表設計不應當和 RDBMS 表設計類似。
• 對於擁有 1 或 2 個列族的表來說，50-100 個 region 是比較合適的。請記住， region 是列族的連續段。
• 保持列族名稱儘可能短。每個值都會存儲列族的名稱(忽略首碼編碼)。它們不應該像典型 RDBMS 那樣，是自文檔化，描述性的名稱。
• 如果你正在存儲基於時間的機器數據或者日誌信息，並且 row key 是基於設備 ID 或者服務 ID + 時間，最終會出現這樣一種情況，即更舊的數據 region 永遠不會有額外寫入。在這種情況下，最終會存在少量的活動 region 和大量不會再有新寫入的 region。對於這種情況，可以接受更多的 region 數量，因為資源的消耗只取決於活動 region。
• 如果只有一個列族會頻繁寫，那麼只讓這個列族占用記憶體。當分配資源的時候註意寫入模式。

實例

店鋪與商品

店鋪shop 商品 item 是多對多的關係

RDBMS表結構設計：

商鋪表：

商品表：

關係表：

Hbase表結構設計：

店鋪表：

商品表：

微博用戶與粉絲

用戶與粉絲是一對多

RDBMS表結構設計：

用戶表：

粉絲對應表：

Hbase表結構設計：

更多實時計算，Hbase，Flink，Kafka等相關技術博文，歡迎關註實時流式計算