HBase查询如何避免数据倾斜

第一，预分区（Pre-partitioning）

建表的时候就可以动手脚——根据数据的访问模式，提前规划好合适数量的Region。这样一来，数据从一开始就均匀分布，热点节点也就烧不起来了。很多人图省事直接用默认分区，结果后面吃大亏。

第二，给RowKey加随机前缀

这招很直接：插入数据时，在RowKey前面拼一串随机字符。原本会扎堆到某个前缀的数据，立刻被拆散到多个前缀下。代价呢？每个RowKey多占了点空间，但比起查询性能崩盘，这点开销完全可以接受。

第三，查询时只扫需要的列

很多查询习惯性把整行数据拉回来，那些用不上的列不仅浪费带宽，还会加剧节点负载不平衡。简单一句：要什么取什么，别贪心。

第四，二级索引能用则用

如果查询条件不是RowKey，而是其他列，硬扫全表是下下策。二级索引相当于一条捷径，但也要留意：它会多占存储，查询时多一次计算开销。值不值得，得看业务场景的性价比。

第五，调调配置参数也管用

比如RegionServer的内存、缓存大小，这些配置项调优后往往能立竿见影。但记住了，参数调整得基于实际监控数据，拍脑袋乱改反而容易翻车。

第六，善用分布式查询

HBase天生支持将查询任务拆到多个节点并行执行，关键是你得会用。合理规划查询的并行度，避免个别节点被压垮，整体吞吐量就能上一个台阶。

第七，追根溯源处理热点数据

定期翻翻查询日志，找出那些被反复访问的“明星数据”。针对性地做优化——比如给热点单独建个表或分区，从根源上缓解压力。

说到底，避免数据倾斜不是一招鲜就能搞定的，需要从分区设计、数据写入、查询优化再到配置参数通盘考虑。上面这几条，挑几个适合你场景的试试，效果会很直观。