HBase表设计原则整理

1、列簇的设计

• 列簇尽量少，最好不超过3个。因为每个列簇是存在一个独立的HFile里的，flush和compaction操作都是针对一个Region进行的，当一个列簇的数据很多需要flush的时候，其它列簇即使数据很少也需要flush，这样就产生的大量不必要的io操作。
• 在多列簇的情况下，注意各列簇数据的数量级要一致。如果两个列簇的数量级相差太大，会使数量级少的列簇的数据扫描效率低下。
• 将经常查询和不经常查询的数据放到不同的列簇。
• 因为列簇和列的名字会存在HBase的每个Cell中，所以他们的名字应该尽可能的短。比如，用f:q代替mycolumnfamily:mycolumnqualifier

2、rowkey的设计

• 避免使用递增的数字或时间做为rowkey。
• 如果rowkey是整型，用二进制的方式比用string来存储更节约空间
• 合理的控制rowkey的长度，尽可能短,因为rowkey的数据也会存在每个Cell中。
• 如果需要将表预分裂为多个region是，最好自定义分裂的规则。

参考文献：

• http://www-01.ibm.com/support/knowledgecenter/SSPT3X_2.1.2/com.ibm.swg.im.infosphere.biginsights.analyze.doc/doc/bigsql_designhints.html
• http://hbase.apache.org/book/number.of.cfs.html
• http://hbase.apache.org/book/columnfamily.html