Rowkey設計

Region: 基於RowKey的分割槽，可理解成MySQL的水平切分。

每個Region Server就是Hadoop叢集中一臺機器上的一個程序。

比如我們的有1-300號的RowKey, 那麼1-100號RowKey的行被分配到Region Server 1上，同樣，101-200號分配到Region Server 2上， 201-300號分配到Region Server 3上。

在記憶體模型中，我們說RowKey保證了相鄰RowKey的記錄被連續地寫入了磁碟。在這裡，我們發現，RowKey決定了行操作（增，刪，改，查）會被交與哪臺Region Server操作。

熱冷資料

讓我們假設一下，如果我們的RowKey以記錄的TimeStamp起始，從記憶體模型上說，這很合理，因為我們可能面臨大量的使用者流水記錄查詢，查詢的條件會設定一個時間片段，我們希望一次性從磁碟中讀取這些流水記錄，從而避免頻繁的磁碟尋道操作。

但是再另一方面，使用者的流水記錄查詢會很頻繁的出現“截至到至今”的查詢條件，依照我們上面的程序模型，Region Server 3一定會被分配到（因為最近的記錄排在最後），這樣就可能造成Region Server 3的“過熱”，而Region Server 1“過冷”的情況。

總結

基於以上的模型，大致的理解是：

1. RowKey決定了行操作任務進入RegionServer的數量，我們應該儘量的讓一次操作呼叫更多的Region Server，已達到分散式的目的。

2. RowKey決定了查詢讀取連續磁碟塊的數量，最理想的情況是一次查詢，在每個Region Server上，只讀取一個磁碟塊。

3. ColumnFamily決定了一次查詢需要讀取的檔案數（不同的檔案不僅意味著分散的磁碟塊，還意味著多次的檔案開啟關閉操作）。我們應儘量將希望查詢的結果集合併到一個ColumnFamily中。同時儘量去除該ColumnFamily中不需要的列。

4. HBase官方建議儘量的減少ColumnFamily的數量。