本章以山寨版Twitter為例介紹HBase Schema設計模式。廣義的HBase Schema設計不僅僅包含建立表時指定項，還應該綜合考慮Column families/Column qualifier/Cell value/Versions/Rowkey等相關内容。
Schema設計和資料存儲及訪問模式關系密切，先回想下HBase資料模型。有幾個要點：
被索引的部分包含Row Key+Col Fam+Col Qual+Time Stamp
因為HBase的Schema-Less和列式存儲特性，列無需在表建立時定義好，能夠動态加入。
并且列名也存儲在HFile中。用它來儲存資料和用Cell value沒有什麼不同。
Schema設計的首要切入點是為待解決的問題模組化。下文從逐漸完好Twitter使用者關系表的過程中總結相關設計原則。
使用者關系表follows要回答的問題包含：
A使用者關注哪些使用者？
A使用者是否關注B使用者？
誰關注了A使用者？
最初版設計例如以下，以使用者為rowkey。follows列族中包括多個列，每一個列名為序号。存儲的值為關注使用者。
最明顯的問題有兩個：
當使用者新增關注時，還須要進行查找目前已關注人。遞增序号等邏輯。
查找某個特定關注人效率一般。
改進例如以下，将關注人直接作為列名：
之前的設計為寬表模式，一行記錄包括了使用者全部關注人。假設使用窄表，Schema例如以下：
窄表設計最大的長處是能通過rowkey查找高效回答之前的問題2：A使用者是否關注使用者B。而問題1：A使用者關注哪些使用者，則變成了掃描操作，但從HBase底層列式存儲看。I/O讀取資料量是一樣的（get操作内部實作為針對單行的scan操作）。代碼片段例如以下：
窄表帶來的最大問題是。HBase僅僅有單行操作才是原子性的。
如果使用者新關注了多個使用者，在寬表中能通過一次Put原子操作完畢。而在窄表操作中則須要多次操作。
注：回答問題3。誰關注了A使用者，能夠再建一張被關注使用者表。rowkey為followed+follower。由應用端維護兩張表資料一緻性。
使用Hash rowkey有助于資料在regionserver之間均勻分布，一般能夠使用MD5擷取定長key。
比較棘手的一個場景是在時間序列資料中，使用時間戳作為rowkey。那麼你始終在表底部插入資料，因為rowkey的有序性存儲，表的最後一個region成為熱點。而應用又須要依據時間範圍進行掃描查詢，是以不能簡單将時間戳Hash，這時能夠考慮“Salting”方法：
生成的Rowkey例如以下。查詢處理變得略微複雜些，須要在應用端合并處理。
上節中，Rowkey包括了被關注人ID。CQ中存儲被關注人名稱。而不用再join使用者表查詢。已經是某種程度的反規範化。
因為HBase列的動态性，能夠用單個HBase表使用嵌套列來表達資料庫中一對多關系（類似于MongoDB文檔模型）。
繼續以twitter為例，如果已經有follows和twits表，那麼使用者登入後，通過follows讀取關注人資訊，然後從twits表中依據第一步讀取的使用者ID讀取關注人的twits，最後合并取最新結果展如今使用者首頁。能夠考慮添加一張備援表用來存儲使用者首頁上展示的twits，Rowkey為登入使用者+倒序時間戳。存儲所關注人的最新twits。
該表提供了更好的讀取性能。還能解決一個常見問題：某大V帳号被海量使用者關注。如果不使用備援表。他的twits資料所在的regionserver将成為熱點，可能導緻性能瓶頸。
該表的資料生成能夠通過coprocessor實作（下章介紹，類似于資料庫的觸發器），資料保留由TTL實作（Time To Live，下節介紹）
HBase提供了一些配置參數。在建立表時能夠按需定制。
1. HFile block size：和HDFS block size不同。預設大小是64KB。Block索引存儲了每一個block的起始key。是以block size大小會影響索引大小。假設你的應用偏重于随機查找，能夠選擇小一點的block size；假設側重于順序掃描。那麼能夠使用較大的block size。
2. Block cache：順序掃描場景下block cache不是那麼重要，能夠禁用cache。将記憶體空間留給其它表或者列族。
3. Aggressive caching：為某些列族設定更高的block cache優先級，HBase會更積極地将其保留在LRU cache中。
4. Bloom filters：block索引中僅僅存儲了block的起始key，預設block size為64KB，假設表中每行資料都偏小，那麼一個block中記錄行數過多，可能會出現辛苦查找半天，發現所查找資料不存在的情況。通過Bloom filter引入negative test能高速推斷資料是否存在
5. TTL：用于自己主動清理過期資料
6. Compression：Google公布的Snappy格式是個好選擇。
7. Cell versioning：默覺得3.
Filter作用在RegionServer上，資料依舊會從磁盤載入到RegionServer。是以Filter一般降低的是網絡I/O，而不是硬碟I/O（有一些Filter能降低硬碟資料讀取，比方ColumnPrefixFilter）。
HBase提供了Filter接口。使用者實作接口能夠自己定義過濾功能。當中的過濾方法回調順序例如以下：
HBase還預置了一些filter。典型的如RowFilter
當中CompareOp代表比較操作符枚舉類，比方相等、大于和小于等。Comparator代表詳細比較邏輯。常見的有字元串比較、正則比對和二進制比較等。
本文轉自mfrbuaa部落格園部落格，原文連結：http://www.cnblogs.com/mfrbuaa/p/5332788.html，如需轉載請自行聯系原作者