HBASE热点问题 hbase如何解决热点问题

问题描述

默认情况下，在创建 HBase 表的时候会自动创建一个 region 分区，当写入数据的时候，所有的 HBase 客户端都向这一个 region 写数据，直到这个 region 足够大了才进行切分。当region中有一个region的读写并发很高，其他的region相对来说读写少，造成数据热点。原因如下：

（1）新建表的时候没有提前创建分区，只有默认一个region，只往一个region写数据，无法发挥集群写的优点。

（2）默认Rowkey是递增的，且只用到一个regionserver，然后所有的rowkey都往该region里面写数据，随着数据量越来越大，最后regionserver就会承受不了压力，就会出现单点故障，热点问题。

解决方案

hbase库分区

（1）由于新建表时没有指定预分区，但可以通过手工split分割方式手工分区，先把现有数据打散分布到多个region上
（2）需要在配置文件 hbase-site.xml 中添加如下参数：

hbase.master.loadbalance.bytable = true

添加完重启hbase集群，注意最好此处逐个重启。作用是把region再均匀分布到多个region server上，将数据放在不同的regionserver上，以至负载均衡。它保证了每个regionserver上分布的regions在平均regions的0.8到1.2倍之间。效果如下：

Rowkey修改

我们在应用侧通过增加Phoneix 表Rowkey长度，由以前的序列改为规则生成，长度为16位。这里提下Rowkey设计原则：

• Rowkey长度原则
  rowkey是一个二进制码流,可以是任意字符串，最大长度64kb ,实际应用中-般为10-100bytes ,以byte[]形式保存,-般设计成定长。
  建议越短越好,不要超过16个字节,原因如下:
  （1）数据的持久化文件HFile中是按照KeyValue存储的，如果rowkey过长，比如超过100字节，1000w行数据，光rowkey就要占用100*1000w= 10亿个字节，将近1G数据,这样会极大影响HFile的存储效率;
  （2）MemStore将缓存部分数据到内存,如果rowkey字段过长，内存的有效利用率就会降低,系统不能缓存更多的数据，这样会降低检索效率。
  （3）目前操作系统都是64位系统,内存8字节对齐,控制在16个字节, 8字节的整数倍利用了操作系统的最佳特性。
• Rowkey散列原则
  如果rowkey按照时间戳的方式递增，高位直接是时间信息，没有散列字段，所有的数据都会集中在一个RegionServer上，这样在数据检索的时候负载会集中在个别的RegionServer上造成热点问题，会降低查询效率。
  这里需要注意下rowkey的高位和地位，如果高位都是一样，可能都会往一个region里面写数据时，就会出现热点问题。建议将rowkey的高位作为散列字段，由程序随机生成，低位放时间字段，这样将提高数据均衡分布在每个RegionServer，以实现负载均衡的几率。
• Rowkey唯一原则
  必须在设计上保证其唯一性，rowkey是按照字典顺序排序存储的。因此，设计rowkey的时候，要充分利用这个排序的特点，将经常读取的数据存储到一块，将最近可能会被访问的数据放到块。
  Rowkey 按照字典排序，可以提高查询的效率。同一个用户：将最近可能访问的数据放到一块，可以提高数据查询的效率；不同的用户：将数据放在不同的regionserver上，以至负载均衡。