Hbase的region合并与拆分

1、region 拆分机制

• region中存储的是大量的rowkey数据 ,当region中的数据条数过多的时候,直接影响查询效率.当region过大的时候.hbase会拆分region , 这也是Hbase的一个优点 .
  
• HBase的region split策略一共有以下几种：
  
• 1、ConstantSizeRegionSplitPolicy
  
• 0.94版本前默认切分策略
  
• 当region大小大于某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。
  
• 但是在生产线上这种切分策略却有相当大的弊端：切分策略对于大表和小表没有明显的区分。阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，这对业务来说并不是什么好事。如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。
  
• 2、IncreasingToUpperBoundRegionSplitPolicy
  
• 0.94版本~2.0版本默认切分策略
  
• 切分策略稍微有点复杂，总体看和ConstantSizeRegionSplitPolicy思路相同，一个region大小大于设置阈值就会触发切分。但是这个阈值并不像ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，调整规则和region所属表在当前regionserver上的region个数有关系.
  
• region split的计算公式是： regioncount^3 * 128M * 2，当region达到该size的时候进行split 例如： 次split：1^3 * 256 = 256MB 第二次split：2^3 * 256 = 2048MB 第三次split：3^3 * 256 = 6912MB 第四次split：4^3 * 256 = 16384MB > 10GB，因此取较小的值10GB 后面每次split的size都是10GB了
  
• 3、SteppingSplitPolicy
  
• 2.0版本默认切分策略
  
• 这种切分策略的切分阈值又发生了变化，相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些，依然和待分裂region所属表在当前regionserver上的region个数有关系，如果region个数等于1， 切分阈值为flush size * 2，否则为MaxRegionFileSize。这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不会再产生大量的小region，而是适可而止。
  
• 4、KeyPrefixRegionSplitPolicy
  
• 根据rowKey的前缀对数据进行分组，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在进行region split的时候会分到相同的region中。
  
• 5、DelimitedKeyPrefixRegionSplitPolicy
  
• 保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtype_eventid，指定的delimiter为 _ ，则split的的时候会确保userid相同的数据在同一个region中。
  
• 6、DisabledRegionSplitPolicy
  
• 不启用自动拆分, 需要指定手动拆分

2、region合并机制

1.1 region合并说明

• Region的合并不是为了性能, 而是出于维护的目的 .
• 比如删除了大量的数据 ,这个时候每个Region都变得很小 ,存储多个Region就浪费了 ,这个时候可以把Region合并起来，进而可以减少一些Region服务器节点

1.2 如何进行region合并

1.2.1 通过Merge类冷合并Region

• 执行合并前，==需要先关闭hbase集群==
  
• 创建一张hbase表：
  

create 'test','info1',SPLITS => ['1000','2000','3000']