面试题：Hbase高表与宽表在行键设计时中等考量点相关问题

Question

在Hbase中，高表和宽表在行键设计时，对于数据的查询性能方面，分别需要重点考虑哪些因素？请举例说明。

Answer 1

高表行键设计查询性能考虑因素

1. 排序特性：高表通常数据行数多，行键设计要利用HBase按行键字典序存储的特点。例如，若查询经常按时间范围获取数据，可将时间戳作为行键前缀，如 YYYYMMDDHHMMSS_业务ID。这样能快速定位到特定时间范围内的数据行，因为时间戳有序排列，在进行范围查询时能减少扫描的数据量。
2. 散列分布：为避免数据热点，行键应尽量均匀分布。比如对于用户相关的高表，若直接用用户ID作为行键，可能某些热门用户ID开头的数据会集中在少数RegionServer上。可以采用加盐的方式，在用户ID前添加随机数前缀，如 随机数_用户ID，使数据在集群中更均匀分布，提升整体查询性能。

宽表行键设计查询性能考虑因素

1. 关联字段整合：宽表包含大量列族和列，行键要包含与关联查询紧密相关的字段。例如电商订单宽表，若经常根据订单ID和商品ID查询订单详细信息，行键可设计为 订单ID_商品ID。这样能快速定位到特定订单下特定商品的详细记录，减少不必要的扫描。
2. 前缀压缩：由于宽表每行数据量大，行键过长会增加存储开销和查询负担。可以对行键进行前缀压缩。例如，在一个包含多种设备信息的宽表中，设备类型有多种但重复度高，可对设备类型采用字典编码，在行键中用编码值代替完整的设备类型字符串，如设备类型 “手机” 编码为 “01”，行键设计为 01_设备序列号，从而在保证查询精度的同时减少行键长度，提升查询性能。