* HBase框架基础（五）
本节主要介绍HBase中关于分区的一些知识。
* HBase的RowKey设计
我们为什么要讨论rowKey的设计？或者说为什么很多工作岗位要求有rowKey的优化设计经验？这个我们需要简单的谈一谈HBase的存储情景。
简单讨论：
** 一个Table表可以划分为多个Region
** 每个Regin维护着不同的范围的rowKey，如何维护呢？Region提供了StartKey和EndKey来表示某一个范围内的rowKey，比如，我们有3个Region，维护的rowKey范围是：
假设，当新插入一条数据的rowKey是15时，该条数据就会自动的进入Region2进行保存，以为15这个rowKey符合11~20这个维护范围。
好，明白了这个原理后，问题来了。在之前我们从来没有做过什么StartKey、EndKey啊，那么在这样的情况下，所有的rowKey就会被混在一起存储，但是Region越来越大怎么办呢，不是会分割么，混在一切怎么分割呢？接下来我们对每一个可能的疑问进行简单说明；
Question：如何分割？
Answer：一刀从中间劈开，从而将一个Region变成了两个Region。
Question：它怎么知道哪里是中间？
Answer：HBase会将存储的RowKey进行升序排序，所以它知道哪里是中间（注意这个排序不只是数字，字符串等等也是可以的）。
Question：那我默认用的挺爽啊，没啥问题啊，设计范围干嘛玩意？
Answer：好，假设你现在存了很多数据，rowKey在不停地增大，大到一定程度，劈开！然后又有新的数据进来，会put到劈开后的Region里，然后再劈开，你懂得，最后就会导致每次越往后Region的分区越臃肿，而前边的Region就会比较静止，明显出现负载分配不均的情况。
设计方式：
其实设计这个东西主要是能够让数据平均分配到所有的Region中，那这就意味着应该让rowKey的StartKey和EndKey分布的尽可能随机。
1、生成随机数、Hash、散列值
比如：
原本rowKey为1001的，MD5后变成：b8c37e33defde51cf91e1e03e51657da
原本rowKey为3001的，MD5后变成：908c9a564a86426585b29f5335b619bc
原本rowKey为5001的，MD5后变成：03b264c595403666634ac75d828439bc
在做此操作之前，一般我们会选择从数据集中抽取样本，来决定什么样的rowKey来Hash后作为每个分区的临界值。
2、字符串反转
比如：
20170524000001转成10000042507102
20170524000002转成20000042507102
这样也可以在一定程度上散列逐步put进来的数据。
3、字符串拼接
比如：
20170524000001_a12e
20170524000001_93i7
等等
* HBase的预分区
在想好怎么设计rowKey后，就可以开始预分区了。
方式一：
hbase> create ‘table1‘,‘partition1‘,SPLITS => [‘1000‘, ‘2000‘, ‘3000‘, ‘4000‘]
创建后，来到网页段查看：
留意红蓝框内容，出现了5个分区
再点进去看一下：
还没有插入数据，已经出现了5个预分区，分布在不同的集群节点上
方式二：
hbase> create ‘table2‘,‘partition2‘,SPLITS_FILE => ‘splits.txt‘
splits.txt文件中对应的内容比如：
aaaa
bbbb
cccc
dddd
成功后，如图：
注意观察一下分区的分布情况
方式三：
hbase> create ‘table3‘, ‘partition3‘, {NUMREGIONS => 15, SPLITALGO => ‘HexStringSplit‘}
这种方式生成了一个16进制的字符串来作为分区字段，如图：
方式四：
Java API
* 总结
我们仔细研究rowKey的预分区，主要是为了避免出现热点话题这样的现象，以此来提高集群存储性能，后面我将根据一些项目来进一步说明此设计理念。
个人微博：http://weibo.com/seal13
QQ大数据技术交流群（广告勿入）：476966007
作者：Z尽际链接：https://www.jianshu.com/p/1613df3a3436來源：简书著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
原文地址：https://www.cnblogs.com/wzlbigdata/p/8277734.html