HBase存储IM消息，RowKey该怎么设计？

RowKey是HBase表设计中最重要的一个方面，它决定了应用程序与HBase表的交互方式，还会影响您从HBase中提取数据的性能。参看《HBase的表结构你设计得不对！》

一般IM系统的消息，以会话为维度，按照TimeLine模型存储。参看《基于TimeLine模型的消息同步机制》，《TimeLine模型下确保消息有序不丢》

以下是瓜子IM系统消息存储的RowKey设计

一、RowKey的格式设计

会话ID和消息ID采用snowflake算法生成，RowKey包括了三部分内容。

会话hash值 | 会话id | 逆序消息id

会话hash值的目的为数据分区（region）存储，预分区能够分摊数据读写压力；

会话id确定唯一会话，一个群里的所有消息拥有相同的会话id；

逆序消息id确定唯一消息和拉取最新消息序，逆序确保越新的消息id值越小，IM软件里，总是先显示群里的最新消息，向上滑动界面再加载之前的消息

“|”的作用在为分隔数据位。由于部分id可能长度不是一致（snowflake），所以选用了“|”为分隔，确保能够无歧义的反解出个部分数据。

二、region的分区设计

IM业务特点决定，同一会话的消息，一般会集中读取（用户查看某个聊天的消息就是这种场景）。因此需要把同一会话的消息存储在一个分区。我们采用会话id的hash值来做分区字段，能够确保同一会话的消息一定在同一分区。

会话ID采用了改造后的SnowFlake算法（参看《ID生成策略——SnowFlake》），会话id除以2的n次方，数据都能比较平均的分配（如果id没有这个特性，也可以选用其他hash方式）。

在没有采用HBase存储消息之前，消息使用Mysql存储。采用会话Id%4，分为4个库。如下图

HBase依照rowkey实现同样的分区效果，理论上和分库是一个效果。通过会话Id取模后的128个取值均匀散列到了不同region。

分区值为000—127，预分区效果如下图

采用rowkey前置3位预分区，每一个rowkey到来时，选取与region相同位数的前3位进行匹配，例图中，002|…..|….rowkey会选择3位002进行region匹配，然后把数据放入对应分区。

三、消息存取过程

1、依照上述设计格式，我们用传参后的会话Id，002|***|***取模128—以此分散到不同的region；

2、确定具体region后依照rowkey的后续***|312312312312312312312|***的会话Id确定唯一的会话；

3、确定唯一会话后依照rowkey的后续消息Id确定某一个具体消息***|***|8896232141957373907，注意这个消息Id已经被逆序处理（Long.MAX_VALUE-消息Id），用来做拉取最邻近的消息。