前面，咱们已经打下了不少关于HBase的理论基础，今天，咱们主要聊聊在实际开发使用HBase中，须要关注的一些最佳实践经验。git
1.Schema设计七大原则
1）每一个region的大小应该控制在10G到50G之间；github
2）一个表最好保持在 50到100个 region的规模；面试
3）每一个cell最大不该该超过10MB，若是超过，应该有些考虑业务拆分，若是实在没法拆分，那就只能使用mob；算法
4）跟传统的关系型数据库不一样，一个HBase的表中列族最多不超过3个，列族中的列能够动态添加的，不要设计过多列族；数据库
5）列族名必须尽可能短，由于咱们知道在存储的时候，每一个keyvalue都会包含列族名；性能优化
6）若是一个表存在一个以上的列族，那么必需要注意，不一样列族之间行数相差不要太大。 例如列族A有10万行，而列族B有1亿行，那么rowkey就有1亿行，而region是按照行键进行切分的，所以列族A可能会被打散为不少不少小region，这会致使在扫描列族A时会引起较多IO，效率低下。app
7）列族能够设置TTL时间，HBase在超过设定时间后，会自动删除数据。分布式
设置方法有两种：性能
# 建表时设置,TTL单位为秒，此例中列簇'f1'的数据保留1天（86400秒）优化
hbase(main):002:0>create 'table', {NAME => 'f1', TTL => 86400}
# 经过修改表设置
hbase(main):002:0>alter 'table', {NAME => 'f1', TTL => 86400}
这里须要注意，一旦超过设定时间后，该数据就没法读取了，可是，真正的过时数据删除，是发生在major compaction时。
2.RowKey设计三大策略
HBase做为一个分布式存储数据库，虽然扩容很是容易，可是，对于“热点”问题，仍是很是头疼的。
所谓“热点”问题（HotSpotting），就是请求（读或者写）短期内落在了集中的个别region上，致使了该region所在机器的负载急剧上升，超过了单点实例的承受能力，从而引发性能降低或者不可用。
要解决这个问题，就须要设计RowKey时，使得数据尽可能往多个region上去写。
举个例子：
假如region按照26个字母分红26个，那么同时写入m开头的rowkey的记录都会同时写入同一个region
好比m001,m002,m003,m004,m005。
所以，RowKey的设计很是关键。常见的设计策略有这么几种。
1）salting
salting策略就是将生成随机数放在行键的开头做为前缀，使得每一个行键有随机的字典序。
对上面的案例进行优化，咱们采用了salting策略，插入前给每一个rowkey生成一个随机的字母，变成了
am001,zm002,nm003,qm004,lm005
这样就能同时往5个region里面写入了，成功打散。
反作用：因为前缀生成是随机的，所以若是想要按照字典序查询这些行，则须要作更多的事情。从这个角度上看，salting增长了写操做的吞吐量，却也增大了读操做的开销。
2）Hashing
Hashing策略也是一种特殊的salting，是用一个单向的 hash 来取代随机指派前缀。
这样能使一个给定rowkey的行在“salted”时有相同的前缀，所以，这样既能够分散RegionServer间的负载的，同时也容许在读操做时可以预测这个前缀值是什么。肯定性hash（ deterministic hash ）可让客户端重建完整的行键，而后就能够像正常同样用Get方法查询肯定的行。
3）reverse key
第三种预防hotspotting的方法是反转一段固定长度或者可数的键，让变化最多的某个位置放在rowkey的第一位，
反作用：对于Get操做没有影响，可是不利于Scan操做进行范围查询，由于数据在原RowKey上的顺序已经被打乱。
3.预分区
在 HBase核心特性—region split 中，咱们知道已经提到过关于预分区。
主要缘由是当一张表被首次建立时，只会分配一个region给这个表。所以，在刚刚开始时，全部读写请求都会落在这个region所在的region server上，而无论你整个集群有多少个region server。不能充分地利用集群的分布式特性。
所以，预分区主要也是解决“热点”问题。
最为常见的建表语句为：
create ‘tb’,{NAME => ‘f1’,COMPRESSION => ‘snappy’ }, { NUMREGIONS => 50, SPLITALGO => ‘HexStringSplit’ }
- NUMREGIONS 为 region的个数，通常按照每一个region 8-10GB左右来计算region数量，若是集群规模很是大，那么region数量能够适当取大一些
- SPLITALGO 为 rowkey分割的算法，Hbase自带了三种pre-split的算法，分别是 HexStringSplit、DecimalStringSplit 和 UniformSplit。
各类Split算法适用场景：
- HexStringSplit: rowkey是十六进制的字符串做为前缀的
- DecimalStringSplit: rowkey是10进制数字字符串做为前缀的
- UniformSplit: rowkey前缀彻底随机
4.读性能优化
前面主要讲一些设计方面的优化点。
那若是在HBase的使用过程当中，发现查询较慢，那么就须要根据具体状况，分析查询慢的缘由，并采起相应的策略。
看到这里了，原创不易，点个关注、点个赞吧，你最好看了～
知识碎片从新梳理，构建Java知识图谱：https://github.com/saigu/JavaKnowledgeGraph（历史文章查阅很是方便）
扫码关注个人公众号“阿丸笔记”，第一时间获取最新更新。同时能够免费获取海量Java技术栈电子书、各个大厂面试题。