实际问题：读写请求集中到某一个RegionServer上该如何处理？
1.数据倾斜的产生
Hbase可以被划分为多个region，但是默认创建时只有一个region分布在集群上的一个节点上，数据一开始都集中该region上，即集中在此节点上，当region存储达到阈值被划分时，数据也会存在少数几个节点，产生数据倾斜问题。
2. 解决数据倾斜的策略
（1）预分区
预分区，让表的数据可以均衡分散在各个节点上，而不是默认只有一个region，即分布在一个节点上。（预分区个数=节点的倍数）；
（2）rowkey的散列设计
如果rowkey按照时间戳的方式递增，不要将时间放在二进制码的前面，建议将rowkey的高位作为散列字段，由程序随机生成，低位放时间字段，这样将提高数据均衡分布在每个RegionServer，以实现负载均衡的几率。 如果没有散列字段，首字段直接是时间信息，所有的数据都会集中在一个RegionServer 上，这样在数据检索的时候负载会集中在个别的RegionServer上，造成热点问题，会降低查询效率。
- 加盐 在 rowkey 的前面增加随机数，具体就是给rowkey分配一个随机前缀以使得它和之前的rowkey的开头不同。分配的前缀种类数量应该和你想使用数据分散到不同的region的数量一致。加盐之后的rowkey就会根据随机生成的前缀分散到各个region上，避免热点。
- 哈希 哈希会使同一行永远用一个前缀加盐。哈希也可以使负载分散到整个集群，但是读却是可以预测的。使用确定的哈希可以让客户端重构完整的rowkey，可以使 用 get 操作准确获取某一个行数据。
- 反转 反转固定长度或者数字格式的rowkey。这样可以使得 rowkey中经常改变的部分（最没有意义的部分）放在前面。这样可以有效的随机 rowkey，但是牺牲了rowkey 的有序性。
