白眉大叔 1）减少调整
减少调整这个如何理解呢？HBase 中有几个内容会动态调整，如 region（分区）、HFile，
所以通过一些方法来减少这些会带来 I/O 开销的调整
Region
如果没有预建分区的话，那么随着 region 中条数的增加，region 会进行分裂，这将增加 I/O
开销，所以解决方法就是根据你的 RowKey 设计来进行预建分区，减少 region 的动态分裂
HFile
HFile 是数据底层存储文件，在每个 memstore 进行刷新时会生成一个 HFile，当 HFile 增加
到一定程度时，会将属于一个 region 的 HFile 进行合并，这个步骤会带来开销但不可避免，
但是合并后 HFile 大小如果大于设定的值，那么 HFile 会重新分裂。为了减少这样的无谓的
I/O 开销，建议估计项目数据量大小，给 HFile 设定一个合适的值
2）减少启停
数据库事务机制就是为了更好地实现批量写入，较少数据库的开启关闭带来的开销，那么
HBase 中也存在频繁开启关闭带来的问题。
关闭 Compaction，在闲时进行手动 Compaction
因为 HBase 中存在 Minor Compaction 和 Major Compaction，也就是对 HFile 进行合并，所
谓合并就是 I/O 读写，大量的 HFile 进行肯定会带来 I/O 开销，甚至是 I/O 风暴，所以为了
避免这种不受控制的意外发生，建议关闭自动 Compaction，在闲时进行 compaction
批量数据写入时采用 BulkLoad
如果通过 HBase-Shell 或者 JavaAPI 的 put 来实现大量数据的写入，那么性能差是肯定并且
还可能带来一些意想不到的问题，所以当需要写入大量离线数据时建议使用 BulkLoad
3）减少数据量
虽然我们是在进行大数据开发，但是如果可以通过某些方式在保证数据准确性同时减少数据
量，何乐而不为呢？
开启过滤，提高查询速度
开启 BloomFilter，BloomFilter 是列族级别的过滤，在生成一个 StoreFile 同时会生成一个
MetaBlock，用于查询时过滤数据
使用压缩：一般推荐使用 Snappy 和 LZO 压缩
4）合理设计
在一张 HBase 表格中 RowKey 和 ColumnFamily 的设计是非常重要，好的设计能够提高性能
和保证数据的准确性
RowKey 设计：应该具备以下几个属性
散列性：散列性能够保证相同相似的 rowkey 聚合，相异的 rowkey 分散，有利于查询
简短性：rowkey 作为 key 的一部分存储在 HFile 中，如果为了可读性将 rowKey 设计得过长，
那么将会增加存储压力
唯一性：rowKey 必须具备明显的区别性业务性：举些例子
假如我的查询条件比较多，而且不是针对列的条件，那么 rowKey 的设计就应该支持多条件
查询
如果我的查询要求是最近插入的数据优先，那么 rowKey 则可以采用叫上 Long.Max-时间戳
的方式，这样 rowKey 就是递减排列
列族的设计
列族的设计需要看应用场景
多列族设计的优劣
优势：HBase 中数据时按列进行存储的，那么查询某一列族的某一列时就不需要全盘扫描，
只需要扫描某一列族，减少了读 I/O；其实多列族设计对减少的作用不是很明显，适用于读
多写少的场景
劣势：降低了写的 I/O 性能。原因如下：数据写到 store 以后是先缓存在 memstore 中，同
一个 region 中存在多个列族则存在多个 store，每个 store 都一个 memstore，当其实
memstore 进行 flush 时，属于同一个 region
的 store 中的 memstore 都会进行 flush，增加 I/O 开销
欢迎来撩 ： 汇总all
