HBase 支持哪些 Region 拆分策略？

知识点图片

HBase 为了在数据量增长时保持读写性能和负载均衡，会自动将过大的 Region 拆分为两个较小的 Region。决定何时拆分以及在哪里拆分的规则，就是 Region 拆分策略（Split Policy）。

随着 HBase 版本的演进，拆分策略也在不断优化。以下是 HBase 支持的主要 Region 拆分策略：

1. 核心/常见拆分策略（按版本演进顺序）

① ConstantSizeRegionSplitPolicy (固定大小拆分策略)

历史地位：HBase 0.94 版本之前的默认策略。
拆分逻辑：当一个 Region 中的某个 Store（对应一个列族）下所有 StoreFile（HFile）的总大小超过配置的阈值（hbase.hregion.max.filesize，默认 10GB）时，就会触发拆分。
缺点：对于小表不友好。如果阈值设置很大（10GB），小表可能永远只有一个 Region，无法利用集群的并发能力；如果设置太小，大表又会产生无数个小 Region，导致集群管理压力剧增。

② IncreasingToUpperBoundRegionSplitPolicy (递增上限拆分策略)

历史地位：HBase 0.94 到 1.x 版本的默认策略。
拆分逻辑：拆分阈值是动态变化的。它与该 Table 在当前 RegionServer 上拥有的 Region 数量（设为 R）有关。
- 公式：Min(R^3 * initialSize, defaultRegionMaxFileSize)
- initialSize 通常是 MemStore 的 flush 大小（默认 128MB）乘以 2。
- 举例（假设 flush size 为 128MB，最大限制为 10GB）：
  - 第 1 个 Region 拆分阈值： $1^3 \times 256MB = 256MB$
  - 第 2 个 Region 拆分阈值： $2^3 \times 256MB = 2048MB (2GB)$
  - 第 3 个 Region 拆分阈值： $3^3 \times 256MB = 6912MB (6.75GB)$
  - 第 4 个 Region 拆分阈值： $4^3 \times 256MB = 16GB$ -> 超过 10GB，因此固定为 10GB。
优点：兼顾了小表和大表。小表能快速分裂出几个 Region 以提高并发；大表在 Region 变多后，分裂阈值变大，避免产生过多 Region。

③ SteppingSplitPolicy (步进拆分策略)

历史地位：HBase 2.0 及以后版本的默认策略。
拆分逻辑：这是对 IncreasingToUpperBound 的简化版本。
- 如果当前 RegionServer 上该表只有 1 个 Region，则拆分阈值为 MemStore 的 flush 大小（hbase.hregion.memstore.flush.size，默认 128MB）。
- 如果有 2 个或更多 Region，拆分阈值直接变成最大文件大小（hbase.hregion.max.filesize，默认 10GB）。
优点：逻辑更简单。依然能保证小表在初期快速分裂分布到不同的机器上，但避免了 IncreasingToUpperBound 策略在 1GB~3GB 阶段频繁拆分带来的资源消耗。

2. 基于 RowKey 业务逻辑的拆分策略

有时候，简单的按大小拆分会从中间截断某个用户的连续数据（例如 RowKey 是 userID_timestamp）。为了保证同一对象的数据在拆分后仍在同一个 Region 内，HBase 提供了以下策略：

④ KeyPrefixRegionSplitPolicy (固定前缀拆分策略)

拆分逻辑：除了满足大小条件外，它会保证在 RowKey 的指定长度的前缀边界处进行拆分。
配置：需要配置前缀的长度（例如设为 5，则 RowKey 前 5 个字符相同的数据永远不会被分到两个不同的 Region 中）。

⑤ DelimitedKeyPrefixRegionSplitPolicy (分隔符前缀拆分策略)

拆分逻辑：类似于上一个，但它不是按固定长度，而是按指定的分隔符来识别前缀。
配置：例如 RowKey 是 userid_timestamp，可以配置分隔符为 _。HBase 拆分时，会确保同一个 userid 的数据不会被割裂。

3. 基于负载的特殊拆分策略

⑥ BusyRegionSplitPolicy (热点/繁忙拆分策略)

拆分逻辑：这个策略不仅看大小，主要看 负载（请求热点）。如果一个 Region 在一段时间内的请求被阻塞（Blocked Requests）比例过高，说明该 Region 读写非常密集（产生热点），即使它没有达到大小阈值，也会被强制拆分。
适用场景：适用于存在严重读写热点的表。

4. 生产环境最推荐的策略

⑦ DisabledRegionSplitPolicy (禁用自动拆分策略)

拆分逻辑：完全关闭自动拆分。Region 永远不会自动分裂。
适用场景（最佳实践）：在成熟的生产环境中，极度推荐这种策略。
- 做法：建表时结合业务数据量评估，手动进行预分区（Pre-splitting），直接建立足够多、分布均匀的 Region。同时关闭自动拆分。
- 原因：自动拆分（Split）是一个非常消耗系统资源（CPU、IO、网络）的过程，且在 Split 期间 Region 会短暂下线。在高并发大吞吐的生产环境中，不可控的自动拆分往往是引发集群性能抖动（甚至故障）的元凶。

如何配置拆分策略？

拆分策略可以全局配置，也可以针对单表配置（单表优先级高于全局）。

1. 全局配置 (在 hbase-site.xml 中)

xml

<property>
  <name>hbase.regionserver.region.split.policy</name>
  <value>org.apache.hadoop.hbase.regionserver.SteppingSplitPolicy</value>
</property>

2. 表级别配置 (通过 HBase Shell)
可以在建表或修改表时指定：

bash

# 修改已存在的表
hbase> alter 'my_table', {METHOD => 'table_att', CONFIG => {'hbase.regionserver.region.split.policy' => 'org.apache.hadoop.hbase.regionserver.DisabledRegionSplitPolicy'}}

右滑查看面试常问

播面