HBase RowKey设计的那些事

f627 9年前

通过实战经历分享HBase RowKey设计的技巧与方法        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:

HBase RowKey设计的那些事

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:

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) + 时间位(14位)+  CompanyCode4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。

来自:http://my.oschina.net/lanzp/blog/477732