ApsaraDB for HBase:行キーの設計

HBase では、同じ行キーを持つレコードは、複数バージョンの 1 つのレコードと見なされます。デフォルトでは、特定のクエリに対してレコードの最新バージョンが返されます。複数バージョン同時実行制御（MVCC）機能を使用しない限り、行キーは一意である必要があります。

ベストプラクティス：データベーステーブルの主キーと同様の方法で行キーを使用します。行キーはレコードを識別します。行キーは、1 つのフィールドにすることも、複数のフィールドの組み合わせにすることもできます。行キーが [userid] の場合、各ユーザーは 1 つのレコードのみを持ちます。行キーが [userid][orderid] の場合、各ユーザーは複数のレコードを持ちます。

• GET メソッドは、完全な行キーを使用してデータをクエリします。たとえば、次のステートメントを実行してデータをクエリできます。SELECT * FROM table WHERE Rowkey = 'abcde'。注 GET メソッドでは、完全な行キーを指定する必要があります。これは、行キーを構成するすべてのフィールドの値が決定されていることを示します。
• scan メソッドは、行キーの範囲を使用してデータをクエリします。たとえば、次のステートメントを実行してデータをクエリできます。SELECT * FROM table WHERE 'abc' < Rowkey <'abcx'。注 scan メソッドでは、行キーの左側の値を指定する必要があります。たとえば、英語辞書から接頭辞 pre または prefi を含むすべての単語をクエリできますが、接尾辞 prefi を含む単語や、prefi が中央にある単語をクエリすることはできません。

• インデックステーブルとしてテーブルを作成します。
• フィルターを使用して、サーバー上で不要なデータをフィルター処理します。
• セカンダリインデックスを使用します。
• リバーススキャンメソッドを使用して、データを降順にソートします。この方法では、最初のレコードが最新のデータエントリになります。このメソッドを使用する場合は、次の設定を指定します。scan.setReverse(true)。注 リバーススキャンは、通常の scan よりもパフォーマンスが低下します。ほとんどのシナリオでデータを降順にソートする必要がある場合は、行キーを設計してこの問題を解決できます。たとえば、[hostname][log-event][timestamp] は [hostname][log-event][Long.MAX_VALUE - timestamp] に変更されます。

いいえ、完全に分散されたデータに対してはホットスポットは発生しません。ハッシュメソッドを使用して、データを異なるパーティションに分散します。これにより、サーバーがホットスポットによって終了したり、他のサーバーがアイドル状態になったりするのを防ぎます。このようにして、分散アーキテクチャと同時処理が効率的に利用されます。

• メッセージダイジェストアルゴリズム 5（MD5）ハッシュアルゴリズムが行キーで指定されています。たとえば、行キー [userId][orderid] は [md5(userid).subStr(0,4)][userId][orderid] に変更されます。
• リバーススキャンが行キーで指定されています。たとえば、行キー [userId][orderid] は [reverse(userid)][orderid] に変更されます。
• 剰余演算が行キーで指定されています。たとえば、行キー [timestamp][hostname][log-event] は [bucket][timestamp][hostname][log-event]; long bucket = timestamp % numBuckets に変更されます。
• 乱数が行キーに追加されます。たとえば、行キー [userId][orderid] は [userId][orderid][random( 100)] に変更されます。

行キーはできるだけ短くしてください。行キーが短いほど、データ量を削減し、データのクエリと書き込みをより効率的に行うことができます。

• STRING データ型は LONG または INT データ型に置き換えられます。たとえば、'2015122410' は Long(2015122410) に置き換えることができます。
• 名前はコードに置き換えられます。たとえば、「Taobao」は tb に置き換えられます。

はい、使用していないデータは scan メソッドを使用してクエリできます。たとえば、table1 の行キーは、column1、column2、および column3 の組み合わせです。column1 の値が host1 であるすべてのレコードをクエリする場合は、scan 'table1',{startkey=> 'host1',endkey=> 'host2'} ステートメントを実行します。column1 の値が host12 であるレコードが使用可能な場合、そのレコードも返されます。

• フィールドの長さが行キーで指定されています。たとえば、行キー [column1][column2] は [rpad(column1,'x',20)][column2] に変更されます。
• 区切り文字が行キーに追加されます。たとえば、行キー [column1][column2] は [column1][_][column2] に変更されます。