HBase － 建表語句解析

像所有其他資料庫一樣，HBase也有表的概念，有表的地方就有建表語句，而且建表語句還很大程度上決定了這張表的存儲形式、讀寫性能。比如我們熟悉的MySQL，建表語句中資料類型決定了資料的存儲形式，主鍵、索引則很大程度上影響着資料的讀寫性能。雖然HBase沒有主鍵、索引這些概念，但在HBase的世界裡，有些東西和它們一樣重要！

廢話不說，直接奉上一條HBase建表語句，來為各位看官分解剖析：

上述建表語句表示建立一個表名為“NewsClickFeedback”的表，該表隻包含一個列簇“Toutiao”。接下來重點講解其他字段的含義以及如何正确設定。Note：因為篇幅有限本文并不講解具體的工作原理，後續會有相關專題對其進行分析。

VERSIONS 

資料版本數，HBase資料模型允許一個cell的資料為帶有不同時間戳的多版本資料集，VERSIONS參數指定了最多儲存幾個版本資料，預設為1。假如某個使用者想儲存兩個曆史版本資料，可以将VERSIONS參數設定為2，再使用如下Scan指令就可以擷取到所有曆史資料：

BLOOMFILTER

布隆過濾器，優化HBase的随機讀取性能，可選值NONE|ROW|ROWCOL，預設為NONE，該參數可以單獨對某個列簇啟用。啟用過濾器，對于get操作以及部分scan操作可以剔除掉不會用到的存儲檔案，減少實際IO次數，提高随機讀性能。Row類型适用于隻根據Row進行查找，而RowCol類型适用于根據Row+Col聯合查找，如下：

Row類型适用于：get ‘NewsClickFeedback’,’row1′

RowCol類型适用于：get ‘NewsClickFeedback’,’row1′,{COLUMN => ‘Toutiao’}

對于有随機讀的業務，建議開啟Row類型的過濾器，使用空間換時間，提高随機讀性能。

COMPRESSION

資料壓縮方式，HBase支援多種形式的資料壓縮，一方面減少資料存儲空間，一方面降低資料網絡傳輸量進而提升讀取效率。目前HBase支援的壓縮算法主要包括三種：GZip | LZO | Snappy，下面表格分别從壓縮率，編解碼速率三個方面對其進行對比：

Snappy的壓縮率最低，但是編解碼速率最高，對CPU的消耗也最小，目前一般建議使用Snappy

TTL

資料過期時間，機關為秒，預設為永久儲存。對于很多業務來說，有時候并不需要永久儲存某些資料，永久儲存會導緻資料量越來越大，消耗存儲空間是其一，另一方面還會導緻查詢效率降低。如果設定了過期時間，HBase在Compact時會通過一定機制檢查資料是否過期，過期資料會被删除。使用者可以根據具體業務場景設定為一個月或者三個月。示例中TTL => ‘ 259200’設定資料過期時間為三天

IN_MEMORY

資料是否常駐記憶體，預設為false。HBase為頻繁通路的資料提供了一個緩存區域，緩存區域一般存儲資料量小、通路頻繁的資料，常見場景為中繼資料存儲。預設情況，該緩存區域大小等于Jvm Heapsize * 0.2 * 0.25 ，假如Jvm Heapsize = 70G，存儲區域的大小約等于3.2G。需要注意的是HBase Meta中繼資料資訊存儲在這塊區域，如果業務資料設定為true而且太大會導緻Meta資料被置換出去，導緻整個叢集性能降低，是以在設定該參數時需要格外小心。

BLOCKCACHE

是否開啟block cache緩存，預設開啟。

SPLITS

region預配置設定政策。通過region預配置設定，資料會被均衡到多台機器上，這樣可以一定程度上解決熱點應用資料量劇增導緻系統自動split引起的性能問題。HBase資料是按照rowkey按升序排列，為避免熱點資料産生，一般采用hash + partition的方式預配置設定region，比如示例中rowkey首先使用md5 hash，然後再按照首字母partition為16份，就可以預配置設定16個region。

本文轉載自：http://hbasefly.com

<a href="http://hbasefly.com/2016/03/23/hbase_create_table/" target="_blank">原文連結</a>