有一种方法可以在群集的每个节点上复制表数据吗？ 我需要使用最大的数据位置进行性能测试。 默认情况下，HBase在一小部分集群节点（1或2个节点）上分发数据，可能是因为我的数据不是非常大的数据（~2 GB）。 我知道Hbase是为更大的数据集设计的，但在这种情况下，它是我的要求。
答案 0 :(得分：3)
关于它有很多很好的阅读*（见帖子的结尾），但我会用自己的话来解释它;）
HBase不负责数据复制，Hadoop HDFS默认配置复制因子为3，这意味着所有数据都将存储在至少3个节点中。
数据位置是获得良好性能的关键方面，但实现最大数据局部性很容易：您只需要将HBase Regionservers（RS）与Hadoop Datanodes（DN）并置，所以，您的所有DN都应该具有RS角色。一旦你有了这个，HBase会自动将数据移动到需要的位置（主要压缩）以实现数据局部性，只要每个RS都有本地服务区域的数据，你就会拥有数据局部性。
即使您将数据复制到多个DN，每个区域（以及它们包含的行）也只能由一个RS 提供服务，因此复制因子为3并不重要，10或100 ...读取属于区域＃1的行将始终命中相同的RS，并且将是托管该区域的那个（由于数据位置，它将从HDFS本地读取数据）。如果托管该区域的RS出现故障，该区域将自动分配给另一个RS（因为该数据也会复制到其他DN）
您可以做的是以每个RS甚至分配给它的行（区域）桶的方式拆分表，以便在读取或写入数据时尽可能多地使用不同的RS，从而提高整体吞吐量只要你不总是命中相同的区域（称为regionserver hotspotting **）。
因此，您应始终首先确保将表的所有区域分配给不同的RS，并且它们会收到相同数量的R / W请求。完成后，您可以将表拆分为更多区域，直到群集的所有RS上都有偶数个区域（如果您对负载均衡器不满意，可能需要手动分配它们）。
只是提醒一下，即使你看起来有一个完美的地区分布，如果你的数据访问模式不正确（或者它是不均匀的）并且没有均匀地到达所有区域，你仍然会有糟糕的表现，最后它们全部取决于你的申请。
（*）推荐阅读：
（**）为了避免RS热点，我们总是将表设计为具有非单调递增的行键，因此行1,2,3 ... N被托管在不同的区域，常见的方法是使用MD5（ id）+ id为rowkey。这种方法有它自己的一些缺点：你不能扫描前10行因为它们被盐渍了。