面试题：HBase数据建模中如何选择合适的RowKey设计？

Question

在HBase逻辑视图的数据建模里，RowKey的设计至关重要。请阐述在设计RowKey时，需要考虑哪些因素，以实现高效的数据存储与查询，例如数据的分布、查询模式等方面，并举例说明不同场景下RowKey的设计思路。

Answer 1

设计RowKey需考虑的因素

1. 数据分布：
   • 均匀性：为避免数据热点，RowKey应设计得能让数据均匀分布在不同RegionServer上。例如，若RowKey以时间戳开头，可能导致新数据都集中在一个RegionServer，可采用哈希前缀等方式打散数据。
   • 数据局部性：对于经常一起访问的数据，可在RowKey中体现相关性，让它们存储在相近位置，提升查询效率。
2. 查询模式：
   • 单条查询：若应用主要是单条记录查询，可将唯一标识作为RowKey，如用户ID，能快速定位数据。
   • 范围查询：当涉及范围查询，如按时间范围查数据，可将时间戳设计在RowKey合适位置，便于利用HBase的排序特性进行范围扫描。
   • 前缀查询：若经常按前缀查询，如查询某个部门的所有员工数据，可将部门编号作为RowKey前缀。

不同场景下RowKey设计思路举例

1. 监控数据场景：
   • 场景描述：收集服务器各项指标监控数据，需按时间范围查询某段时间内所有服务器指标，也可能查询某台特定服务器的指标。
   • RowKey设计：可采用 “服务器ID + 时间戳” 的方式。如 “server001_1672531200”。对于范围查询，按时间戳范围扫描即可；单条查询特定服务器数据，也可快速定位。
2. 电商订单场景：
   • 场景描述：查询某个用户的所有订单，或按订单时间范围查询订单。
   • RowKey设计：“用户ID + 订单时间戳 + 订单ID”。如 “user123_20231201100001_order001”。这样按用户ID前缀可快速查该用户订单，按时间戳也能进行范围查询。