[HBase] - 理解 HBase Rowkey 字典排序

我们都知道 HBase 的数据根据 rowkey 字典序排序的，理解这个概念很重要。

先理解名词 - 「字典序」

根据 wiki 解释：

在英文字典中，排列单词的顺序是先按照第一个字母以升序排列（即a、b、c……z 的顺序）；如果第一个字母一样，那么比较第二个、第三个乃至后面的字母。如果比到最后两个单词不一样长（比如，sigh 和 sight），那么把短者排在前。

通俗的理解，字典序是把字符左对齐，从左到右比大小的排序，一旦比出大小就停止比较后续的字符。
那么排序规则是什么？如果只考虑字母的话，就是： a < b < c < ... < z，当然这个规则也是人为约定的，举例以下就是字典序：

a
ab
abc
b

理解 HBase Rowkey 的字典序

有了之前的概念，理解 HBase Rowkey 字典序会容易一点：

1. rowkey 字符串左对齐，从左到右比大小，比到就停止
2. 怎么比大小：基于字符的 ASCII 码大小 ，例如ASCII 中 A < a，a < b , 1 < 2, 1 < a 具体可以参考 wiki。

下面这里从实现层面举个例子：假如 HBase 要比较 rowkey "19" 和 "2" ，怎么做？

1. 将 rowkey 转为字节数组， “19” => [49,57] ，"2" => [50]
2. 从两个字节数组下标 0 开始往后比大小
3. 第一个字节 50 比 49 大，所以排序是 2 > 19

byte[] a = "19".getBytes()
// =>  [49,57] 
byte[] b = "2".getBytes()
// =>  [50] 

这里值得一提的是：ASCII 可见字符都是单字节表示，所以字符与 ASCII 字节数组是一一对应的。
但如果你用非 ASCII 可见字符做 rowkey ，例如汉字，就会出现不可控因素，因为一个汉字对应的是多个字节。所以建议 rowkey 就采用常见的可见字符，避免用特殊字符。

ASCII 码可显示字符有 95 个，大致顺序如下

! “ #$... 0123..9..ABC..Z...abc...z..~

第一个是：「空格」，最后一个是：「~」

下一篇将讲讲 rowkey 的设计与优化，包括预分区的选择策略。

wiki https://zh.wikipedia.org/wiki/ASCII