HBase是三維有序存儲的，通過rowkey（行鍵），column key（column family和qualifier）和TimeStamp（時間戳）這個三個維度可以對HBase中的數據進行快速定位。

HBase中rowkey可以唯一標識一行記錄，在HBase查詢的時候，有三種方式：

1. 通過get方式，指定rowkey獲取唯一一條記錄
2. 通過scan方式，設置startRow和stopRow參數進行范圍匹配
3. 全表掃描，即直接掃描整張表中所有行記錄

一、 rowkey長度原則

rowkey是一個二進制碼流，可以是任意字符串，最大長度64kb，實際應用中一般為10-100bytes，以byte[]形式保存，一般設計成定長。

建議越短越好，不要超過16個字節(jié)，原因如下：

1. 數據的持久化文件HFile中是按照KeyValue存儲的，如果rowkey過長，比如超過100字節(jié)，1000w行數據，光rowkey就要占用100*1000w=10億個字節(jié)，將近1G數據，這樣會極大影響HFile的存儲效率；
2. MemStore將緩存部分數據到內存，如果rowkey字段過長，內存的有效利用率就會降低，系統(tǒng)不能緩存更多的數據，這樣會降低檢索效率。
3. 目前操作系統(tǒng)都是64位系統(tǒng)，內存8字節(jié)對齊，控制在16個字節(jié)，8字節(jié)的整數倍利用了操作系統(tǒng)的最佳特性。

二、rowkey散列原則

如果rowkey按照時間戳的方式遞增，不要將時間放在二進制碼的前面，建議將rowkey的高位作為散列字段，由程序隨機生成，低位放時間字段，這樣將提高數據均衡分布在每個RegionServer，以實現負載均衡的幾率。如果沒有散列字段，首字段直接是時間信息，所有的數據都會集中在一個RegionServer上，這樣在數據檢索的時候負載會集中在個別的RegionServer上，造成熱點問題，會降低查詢效率。

三、rowkey唯一原則

必須在設計上保證其唯一性，rowkey是按照字典順序排序存儲的，因此，設計rowkey的時候，要充分利用這個排序的特點，將經常讀取的數據存儲到一塊，將最近可能會被訪問的數據放到一塊。

四、避免熱點

HBase中的行是按照rowkey的字典順序排序的，這種設計優(yōu)化了scan操作，可以將相關的行以及會被一起讀取的行存取在臨近位置，便于scan。然而糟糕的rowkey設計是熱點的源頭。

熱點發(fā)生在大量的client直接訪問集群的一個或極少數個節(jié)點（訪問可能是讀，寫或者其他操作）。大量訪問會使熱點region所在的單個機器超出自身承受能力，引起性能下降甚至region不可用，這也會影響同一個RegionServer上的其他region，由于主機無法服務其他region的請求。設計良好的數據訪問模式以使集群被充分，均衡的利用。

為了避免寫熱點，設計rowkey使得不同行在同一個region，但是在更多數據情況下，數據應該被寫入集群的多個region，而不是一個。

最常用的避免熱點的方法是時間戳反轉，比如 Long.Max_Value - timestamp 得到的值就能均勻散列開來。

五、其他建議

1. 盡量減少行和列的大小
   在HBase中，value永遠和它的key一起傳輸的。當具體的值在系統(tǒng)間傳輸時，它的rowkey，列名，時間戳也會一起傳輸。如果你的rowkey和列名很大，甚至可以和具體的值相比較，那么你將會遇到一些有趣的問題。HBase storefiles中的索引（有助于隨機訪問）最終占據了HBase分配的大量內存，因為具體的值和它的key很大?？梢栽黾觔lock大小使得storefiles索引再更大的時間間隔增加，或者修改表的模式以減小rowkey和列名的大小。壓縮也有助于更大的索引。

2. 列族盡可能越短越好，最好是一個字符

3. 冗長的屬性名雖然可讀性好，但是更短的屬性名存儲在HBase中會更好