HBase的应用关键点

表创建

HBase的表创建可以通过hbase shell和Java API。另外如果需要对列簇进行修改的时候，需要先去disable表。
通过Java API修改列簇例如

Configuration config = HBaseConfiguration.create();
Admin admin = new Admin(conf);
TableName table = TableName.valueOf("myTable");

admin.disableTable(table);

HColumnDescriptor cf1 = ...;
admin.addColumn(table, cf1);      // adding new ColumnFamily
HColumnDescriptor cf2 = ...;
admin.modifyColumn(table, cf2);    // modifying existing ColumnFamily

admin.enableTable(table);

表设计关键点

因为数据集千差万别，有很多不同的期望，所以根据官网的这些经验只是作为一个参考。

• 每个region的size保持在10--50G
• 每个cell最好不要超过10MB，如果使用HBaseMob，不要超过50MB。否则，直接存储数据到HDFS上，然后存储一个指标索引到HBase中。
• 一个典型的表设计在1--3个列簇。
• 一张表中region数量最好在50--100个，一个region上存储的是列簇数据的连续段。
• 保证列簇的名字尽可能的短，列簇名在每个value中都有存储，不要认为它类似于RDBMS表中的列名一样，具备解释说明的含义。
• 如果说rowkey的设计是基于时间线或者日志信息来设计的，对表操作的读写，基本会落在新region上，较旧的数据不会进行太多读写操作，这时候可以允许多region的存储。
• 如果只有一个列簇有比较大规模的写入请求，且只有写入请求占用内存，这时候可以调配内存资源在写入模式上。

RegionServer的设计关键点

Personally I would place the maximum disk space per machine that can be served exclusively with HBase around 6T, unless you have a very read-heavy workload. In that case the Java heap should be 32GB (20G regions, 128M memstores, the rest defaults).
— Lars Hofhansl

从这段指导原则来看，我们在搭建HBase集群的时候，尽可能的使用大机器来做regionserver。对于写操作而言，每个region 20G大小，可以设置128M的memstores。

列簇的设计

对于列簇而言，设计原则是尽可能的少，如果是有两个列簇，尽可能的保证数量size一致。因为如果一个列簇A行有100万，列簇B行有10亿。这时候因为列簇A分配在多个region上，会导致其scan的效率过低。

rowkey的设计

rowkey的设计关键点就是防止热点数据的产生，也就防止把数据都集中在少数的region上，导致读写效率的问题。要设计一个好的rowkey，就需要给rowkey进行Salting，通用的方式就是使用散列算法添加前缀。例如：

a-foo0003
b-foo0001
c-foo0003
c-foo0004
d-foo0002

关于rowkey的设计还有很多需要注意的地方，在此不做展开讨论。

版本的设计

不建议将最大版本数设置为过高的水平（例如，数百个或更多），除非非常需要那些旧值，因为这会大大增加StoreFile的大小。