1 RowKey

在HBase中，RowKey的设计是否合理很大程度上会严重影响DB的读写性能是否均衡。原因在于HBase的数据分片完全是依赖RowKey的字典序来分割Region的；如果新增部分的数据无法均匀的散列在所有的Region中，就会造成只有部分Region的读写量非常之大，而其余的部分则在旁边打酱油。

推荐采用稳定性Hash算法（比如MD5）作为前缀，比如

String rawRowKey = userId;
String prefix    = md5(userId).hex().subStr(0,4);
String rowKey    = prefix + '_' + rawRowKey;

前缀的长度和数据容量有关，比如单Region可以存储10G数据。未来3年内数据量大小在100T左右，那么所需的Region数量为100T/10G=10240。4位的hex前缀的范围0x0000,0xFFFF, 可以支持65536个Region, 如果是3位则是4096个Region。此时选择4位就可以足够支持未来3年的需要，当然想余留更充足的buffer也可以加到5位（前缀位数越多所需的存储空间也就越大，需要综合考虑，并不能追求过多的位数）。

2 预分区和分裂策略

在设计好RowKey后，建议同时设置预分区和分区策略¹。

预分区可以提前使得数据更加均匀的落在RegionServer上，避免自动分裂后的Region和RegionServer的分配不均衡的问题。

分区策略则是可以更好的使得相近的数据落在同一个Region内（以及控制自动分裂的时机），减缓一次数据查询需要跨越多个Region或者RegionServer的问题。比如上面的添加RowKey前缀的方式，就可以结合KeyPrefixRegionSplitPolicy策略，固定长度为4，可以使得同一个用户的数据尽可能都都在一个Region内。

3 数据压缩

HBase支持透明的数据压缩。推荐配置的算法为SNAPPY²，在压缩比和资源消耗方面比较均衡。

4 透明加密

HBase支持AES加密，性能损耗大约在13%左右，可以根据需要选择是否开启。

5 批量操作

5.1 Get

当需要读取多条数据时，可以选择使用批量的get。

// 设置只读取所需的列簇和列
get.addColumn(family, qualifier);

// 批量读取
Result[] result = table.get(List<Get> gets)

5.2 Put

当需要写入多条数据时，可以选择使用批量的put。

// 批量写入
table.put(List<Put> puts)

5.3 Scan

Scan操作可以按需设置缓存。

scan.setCacheBlocks(true);
scan.setCaching(100);

6 Reference