1. HBase默认建表时有一个region，这个region的rowkey是没有边界的，即没有startkey和endkey，在数据写入时，所有数据都会写入这个默认的region，随着数据量的不断增加，此region已经不能承受不断增长的数据量，会进行split，表在进行split的时候，会耗费大量的资源，频繁的分区对HBase的性能有巨大的影响。

基于此我们可以控制在建表的时候，创建多个空region，并确定每个region的起始和终止rowky，这样只要我们的rowkey设计能均匀的命中各个region，就不会存在写热点问题。自然split的几率也会大大降低。当然随着数据量的不断增长，该split的还是要进行split。像这样预先创建hbase表分区的方式，称之为预分区。

方式一：

利用建表语句create ‘表名’, ’列族’,splits => [‘Rowkey1’，‘Rowkey2’……]

create 'bflogs' ,'info',SPLITS =>['10','20','30']

方式二:

指定一个文件，我们可以把我们要分区的Rowkey放在一个文件当中，然后通过建表命令的SPLITES_FILE=>’文件名’来指定

创建bflogs-split.txt的文件作为rowkey的文件

编辑bflogs-split.txt文件，写上Rowkey，写的时候是不用加引号的：

create 'student3', 'info', SPLITS_FILE => '/opt/datas/bflogssplits.txt'

hbase中的预分区，是为了防止要插入的数据的rowkey设计不太合理导致，数据热写（集中写到某一台或者几台机器上）给服务器造成太大压力以及更严重后果，所以在建表的时候，根据已知的rowkey规则创建出来部分预分区以防止在热写过程中频繁的split等。所以rowkey设计应该考虑到这个问题，将数据散列到hbase集群的各个机器上，均分压力。

hbase中的预分区，是为了防止要插入的数据的rowkey设计不太合理导致，数据热写（集中写到某一台或者几台机器上）给服务器造成太大压力以及更严重后果，所以在建表的时候，根据已知的rowkey规则创建出来部分预分区以防止在热写过程中频繁的split等。所以rowkey设计应该考虑到这个问题，将数据散列到hbase集群的各个机器上，均分压力。

背景：HBase默认建表时有一个region，这个region的rowkey是没有边界的，即没有startkey和endkey，在数据写入时，所有数据都会写入这个默认的region，随着数据量的不断  增加，此region已经不能承受不断增长的数据量，会进行split，分成2个region。在此过程中，会产生两个问题：1.数据往一个region上写,会有写热点问题。2.region split会消耗宝贵的集群I/O资源。基于此我们可以控制在建表的时候，创建多个空region，并确定每个region的起始和终止rowky，这样只要我们的rowkey设计能均匀的命中各个region，就不会存在写热点问题。自然split的几率也会大大降低。当然随着数据量的不断增长，该split的还是要进行split。像这样预先创建hbase表分区的方式，称之为预分区，下面给出一种预分区的实现方式:
首先看没有进行预分区的表，startkey和endkey为空。

要进行预分区，首先要明确rowkey的取值范围或构成逻辑，以我的rowkey组成为例:两位随机数+时间戳+客户号，两位随机数的范围从00-99，于是我划分了10个region来存储数据,每个region对应的rowkey范围如下：
-10,10-20,20-30,30-40,40-50,50-60,60-70,70-80,80-90,90-
在使用HBase API建表的时候，需要产生splitkeys二维数组,这个数组存储的rowkey的边界值。下面是java 代码实现:

private byte[][] getSplitKeys() {  String[] keys = new String[] { "10|", "20|", "30|", "40|", "50|",    "60|", "70|", "80|", "90|" };  byte[][] splitKeys = new byte[keys.length][];  TreeSet rows = new TreeSet(Bytes.BYTES_COMPARATOR);//升序排序  for (int i = 0; i < keys.length; i++) {   rows.add(Bytes.toBytes(keys[i]));  }  Iterator rowKeyIter = rows.iterator();  int i=0;  while (rowKeyIter.hasNext()) {   byte[] tempRow = rowKeyIter.next();   rowKeyIter.remove();   splitKeys[i] = tempRow;   i++;  }  return splitKeys;}

需要注意的是，在上面的代码中用treeset对rowkey进行排序，必须要对rowkey排序，否则在调用admin.createTable(tableDescriptor,splitKeys)的时候会出错。创建表的代码如下:

/**  * 创建预分区hbase表  * @param tableName 表名  * @param columnFamily 列簇  * @return  */ @SuppressWarnings("resource") public boolean createTableBySplitKeys(String tableName, List columnFamily) {  try {   if (StringUtils.isBlank(tableName) || columnFamily == null     || columnFamily.size() < 0) {    log.error("===Parameters tableName|columnFamily should not be null,Please check!===");   }   HBaseAdmin admin = new HBaseAdmin(conf);   if (admin.tableExists(tableName)) {    return true;   } else {    HTableDescriptor tableDescriptor = new HTableDescriptor(      TableName.valueOf(tableName));    for (String cf : columnFamily) {     tableDescriptor.addFamily(new HColumnDescriptor(cf));    }    byte[][] splitKeys = getSplitKeys();    admin.createTable(tableDescriptor,splitKeys);//指定splitkeys    log.info("===Create Table " + tableName      + " Success!columnFamily:" + columnFamily.toString()      + "===");   }  } catch (MasterNotRunningException e) {   // TODO Auto-generated catch block   log.error(e);   return false;  } catch (ZooKeeperConnectionException e) {   // TODO Auto-generated catch block   log.error(e);   return false;  } catch (IOException e) {   // TODO Auto-generated catch block   log.error(e);   return false;  }  return true; }

在hbase shell中输入命令san 'hbase:meta'查看建表结果:

 

从上图可看出10个region均匀的分布在了3台regionserver上(集群就3台机器regionserver)，达到预期效果。还可以在hbase的web UI界面中更加直观的查看建表的预分区信息。

再看看写数据是否均匀的命中各个region，是否能够做到对写请求的负载均衡：

public class TestHBasePartition {public static void main(String[] args) throws Exception{HBaseAdmin admin = new HBaseAdmin(conf);HTable table = new HTable(conf, "testhbase");table.put(batchPut());}private static String getRandomNumber(){  String ranStr = Math.random()+"";  int pointIndex = ranStr.indexOf(".");  return ranStr.substring(pointIndex+1, pointIndex+3); }  private static List batchPut(){  List list = new ArrayList();  for(int i=1;i<=10000;i++){   byte[] rowkey = Bytes.toBytes(getRandomNumber()+"-"+System.currentTimeMillis()+"-"+i);   Put put = new Put(rowkey);   put.add(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("zs"+i));   list.add(put);  }  return list; }}