hbase 預分區與自動分區

我們知道，HBASE在創建表的時候，會自動為表分配一個Region，
當一個Region過大達到默認的閾值時（默認10GB大小）,HBase中該Region將會進行split，分裂為2個Region，以此類推。
表在進行split的時候，會耗費大量的資源，頻繁的分區對HBase的性能有巨大的影響。
所以，HBase提供了預分區功能，即用戶可以在創建表的時候對表按照一定的規則分區。

假設我們初始給它10個Region，那么導入大量數據的時候，就會均衡到10個里面，顯然比1個Region要好很多。
可是我們應該創建多少個Region呢？顯然沒有具體答案，要結合業務，根據表的rowkey進行設計。

一．強制拆分
預分區方法：
1.hbase shell 預分區
建立分區前，要先了解表的rowkey格式，rowkey為：兩位隨機數+時間戳+客戶id
兩位隨機數的范圍從00-99，划分范圍：小於10,10-20,20-30,30-40,40-50,50-60,60-70,70-80,90+
hbase(main):001:0> create 'log1', 'cf1', SPLITS => ['10','20','30','40','50','60','70','80','90']

啟動webUI
vi hbase-site.xml
添加
<property>
<name>hbase.master.info.port</name>
<value>60010</value>
</property>

瀏覽器中：
http://h201:60010

通過配置文件加載
[hadoop@h201 ~]$ cat rs.txt
10
20
30
40
50
60
70
80
90
hbase(main):003:0> create 'log2', 'cf1', SPLITS_FILE =>'/home/hadoop/rs.txt'

2.HBASE API 預分區

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.client.HBaseAdmin;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.HTableDescriptor;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.util.Bytes;

public class Cp {
    public static void main(String[] args) {
       HBaseConfiguration config = new HBaseConfiguration();
       config.set("hbase.zookeeper.quorum", "h201,h202,h203");
       String tablename = new String("ctest1");
   try{
      HBaseAdmin admin = new HBaseAdmin(config);
        if (admin.tableExists(tablename)) {
            admin.disableTable(tablename);
            admin.deleteTable(tablename);
        }

        HTableDescriptor tableDesc = new HTableDescriptor(tablename);
        tableDesc.addFamily(new HColumnDescriptor("cf1"));
       
        byte[][] splitKeys = {
            Bytes.toBytes("10"),
            Bytes.toBytes("20"),
            Bytes.toBytes("30")
        };

        admin.createTable(tableDesc, splitKeys);
        admin.close();
      }catch(IOException e) {
            e.printStackTrace();
        }
    }
}

驗證：
webUI查看
ctest1有4個 預分區

====================================================

二．自動拆分（Auto splitting）
1.
0.94 版本之前采用的是 ConstantSizeRegionSplitPolicy 策略。
這個策略非常簡單，從名字上就可以看出這個策 略就是按照固定大小來拆分Region。它唯一用到的參數是： hbase.hregion.max.filesize, 默認值是 10G, 也就是當 Region 的大小達到 10G 的時候, 會自動拆分成兩個 Region.

2.
0.94 版本之后，有了 IncreasingToUpperBoundRegionSplitPolicy 策略。並且默認使用的這種策略。這種策略從名字上就可以看出是限制不斷增長的文件尺寸的策略。
這種策略使用的最大store file size依據 Min(R^2 * “hbase.hregion.memstore.flush.size”, “hbase.hregion.max.filesize”)，R代表同一台Region Server節點上的region的個數。比如，在默認memstore flush size為128MB且默認的max store size為10G時。（R為region的個數）
第一次拆分大小為：min(10G，1*1*128M)=128M
第二次拆分大小為：min(10G，3*3*128M)=1152M
第三次拆分大小為：min(10G，5*5*128M)=3200M
第四次拆分大小為：min(10G，7*7*128M)=6272M
第五次拆分大小為：min(10G，9*9*128M)=10G
第五次拆分大小為：min(10G，11*11*128M)=10G

可以看到，只有在第四次之后的拆分大小才為10G