hbase的split策略和预分区

split

　　hbase是通过regionServer管理table的，一个table对应一个或多个region，hmaster将这些region根据集群负载分配给regionServer进行管理。若一个table没有进行预分区，那么只有一个region，初始化表时数据的读写都命中同一个regionServer，会造成热点问题，且region进行split时集群是不可用的，频繁的split也会造成大量的集群I/O，性能很低。

1、pre-splitting

　　在创建table时指定pre-splitting，预先生成多个region，结合合适的rowkey，这样可以很大程度上避免读写热点，每个region内部再按照一定的split-policy进行自动切分。

hbase提供了两种pre-split算法：HexStringSplit和UniformSplit，前者适用于十六进制字符的rowkey，后者适用于随机字节数组的rowkey。

1.1、HexStringSplit

　　shell建表语句：

//创建一个名为hex_test的表，有两个列簇info和desc，可存3个版本的数据，副本为2，预先指定10个region，且split算法为HexStringSplit

create 'hex_test',{NAME=>'info',VERSIONS=>3},{NAME=>'desc',VERSIONS=>3},{NUMREGIONS=>10,SPLITALGO=>'HexStringSplit',REGION_REPLICATION=>2}

　　可以在web ui看到这张表的信息：

1.2、UniformSplit

　　shell建表：

create 'uniform_test',{NAME=>'info',VERSIONS=>3},{NAME=>'desc',VERSIONS=>3},{NUMREGIONS=>10,SPLITALGO=>'UniformSplit',REGION_REPLICATION=>2}

1.3、自定义切分点

//1、直接指定切分点
create 'c_test1','info',{SPLITS=>['10','20','30']}

//2、指定切分文件
create 'c_test2','info',SPLITS_FILE=> '/home/syui/data/hbase/split_file/t1.txt'

2、自动splitting

　　regionServer根据split policy对region进行切分。不同的切分策略可以应用在不同的业务场景，所以可以根据需求设置table级别的split policy；也可以在hbase-site.xml中使用hbase.regionserver.region.split.policy设置全局的split policy；还可以自己实现split policy。

//创建一个policy_table表，使用IncreasingToUpperBoundRegionSplitPolicy切分策略
create 'policy_test','info',{CONFIGURATION=>{'hbase.regionserver.region.split.policy'=>'IncreasingToUpperBoundRegionSplitPolicy'}}

　　hbase提供了6种切分策略。

2.1、ConstantSizeRegionSplitPolicy

　　当region的最大一个store达到指定的阈值时触发split，这个阈值可以使用hbase.hregion.max.filesize设置（默认10G）。0.94版本前的默认切分策略。

2.2、IncreasingToUpperBoundRegionSplitPolicy

　　也是当region的最大一个store达到一个阈值时触发split，不过这个阈值不是固定的，而是根据regionServer管理的同属一张表的region个数有关：

　　a）、region个数为0或者大于100：maxFilesize的选取跟ConstantSizeRegionSplitPolicy一样；

　　b）、region个数在0~100之间：有一个initialSize，这个值由hbase.incresing.policy.initial.size配置；若没有配置这个值，则initialSize = 2 * MEMSTORE_FLUSHSIZE（table元数据）；若table没有元数据或initialSize小于0，则initialSize = 2 * hbase.hregion.memstore.flush.size(默认128M)。拿到initialSize后，maxFilesize = min (initialSize * region个数的3次方, 10G)。

　　0.94 ~ 2.0版本默认的切分策略，这种策略下，表的region越少，split越频繁，当region数超过4之后的maxFilesize都是10G。

2.3、SteppingSplitPolicy

　　这是IncresingToUpperBoundRegionSplitPolicy的子类，重写了getSizeToCheck方法，当region个数为1时，maxFilesize = flushSize * 2，其他情况跟父类一样。

　　2.0版本后的默认切分策略，修改了1个region时的切分阈值，之前是128 * 1^3 = 128M，现在是128 * 2 * 1^3 = 256M。

2.4、KeyPrefixRegionSplitPolicy

　　这是IncresingToUpperBoundRegionSplitPolicy的子类，切分条件跟父类一样，修改了splitKey的选取，会根据rowkey的前缀对数据分组，将rowkey前缀相同的数据在split时分到相同的region中，前缀位数可以使用默认的，也可以使用table元数据KeyPrefixRegionSplitPolicy.prefix_length设置。

2.5、DelimitedKeyPrefixRegionSplitPolicy

　　跟keyPrefixRegionSplitPolicy一样继承自IncresingToUpperBoundRegionSplitPolicy，切分条件不变，也是修改了splitKey的选取，会根据指定的分隔符截取rowkey前部分字符，将该部分字符相同的数据在split时分到同一个region，分隔符可以使用table元数据DelimitedKeyPrefixRegionSplitPolicy.delimiter设置。

2.6、DisableSplitPolicy

 　　禁用region自动split。

3、强制split

split 'split_test','0326'    //切分split_test表，以0326为切分点