将多个时间序列放在一个 BigTable table 中是否可以避免热点？
Does putting multiple time-series in one BigTable table avoid hotspotting?
假设我有 3 个不相关的时间序列。每个写入的行键都以当前时间戳开头：timestamp#.....
将每个时间序列放在一个单独的 table 中会导致热点，因为新行总是在一个末端添加（最新时间戳）。
如果我们将所有 3 个时间序列加入一个 BigTable table 中，前缀为：
series1#timestamp#....series2#timestamp#....series3#timestamp#....
这样可以避免热点吗？每个集群节点会处理一个时间序列吗？
我假设每个集群有 3 个节点，并且 3 个时间序列中的每一个都将接收相似的负载并且大小均匀增长。
如果是，那么在一个 BigTable 中包含多个不相关的时间序列是否有任何缺点 table？
因为您将时间戳记作为行键的第一部分，所以我认为无论哪种方式您都会获得热点。
在 Bigtable 实例中，您的数据被分成多组连续的行键（称为 tablets），并且这些行键均匀分布在节点上。为了最大限度地提高 Bigtable 的效率，您需要将数据分布在节点之间和节点内作为 tablets。当您写入同一行或一组连续的行时，您会遇到热点问题，因为这一切都发生在一个 tablet 内。如果您不断地使用时间戳作为密钥的突出部分进行写入，您将继续写入相同的 tablet 直到它填满并且您必须转到下一个而不是写入多个 tablets 在一个节点内。
Bigtable 文档有一个 guide for time-series schema design，它为像您这样的用例推荐了一些解决方案：
字段提升：在你的timestamp前的rowkey中增加一个字段，用来分隔出一组数据(USER_ID#timestamp#. ..)
Salting：取时间戳的散列值除以节点数，然后将其添加到行键（SALT_RESULT#时间戳#...)
反转时间戳： 或者如果其中任何一个不起作用，反转时间戳。如果您最常见的查询是最新值，这种方法效果最好，但会使其他查询更加困难
编辑：
您的方法绝对类似于加盐，但由于您的数据已经在单独的 tables 中，您实际上并没有获得任何增加的好处，因为热点将在 tablet 级别引起。
为了进一步说明，假设您在单独的 table 中拥有此数据并开始写入数据。每个 table 将由 tablets 组成，其中捕获时间戳 0-10、11-20 等... 那些 tablets 将自动分发在节点中获得最佳性能。如果负载都相似，tablets 0-10 应该都在不同的节点上，11-20 都应该在不同的节点上等等。
根据您的架构设置方式，您不断写入最新的 tablet（假设现在时间是 91，）您只写入 91-100 而忽略所有该节点中的其他 tablets。由于 91-100 tablet 是唯一一个开始工作而不是其他 tablets，您的节点不会为您提供优化的性能，这就是我们所说的热点。某个 tablet 出现峰值，但负载均衡器没有足够的时间来纠正它。
如果你在同一个table中有它，我们现在可以只关注一个节点。 series1#0-10 将首先受到冲击，然后是 series1#11-20，然后是 series1#21-30。总有一个 tablet 负载过大而没有使用完整节点。
文档中有一些关于 load balancing 的更多信息。
假设我有 3 个不相关的时间序列。每个写入的行键都以当前时间戳开头：timestamp#.....
将每个时间序列放在一个单独的 table 中会导致热点，因为新行总是在一个末端添加（最新时间戳）。
如果我们将所有 3 个时间序列加入一个 BigTable table 中，前缀为：
series1#timestamp#....series2#timestamp#....series3#timestamp#....
这样可以避免热点吗？每个集群节点会处理一个时间序列吗？
我假设每个集群有 3 个节点，并且 3 个时间序列中的每一个都将接收相似的负载并且大小均匀增长。
如果是，那么在一个 BigTable 中包含多个不相关的时间序列是否有任何缺点 table？
因为您将时间戳记作为行键的第一部分，所以我认为无论哪种方式您都会获得热点。
在 Bigtable 实例中，您的数据被分成多组连续的行键（称为 tablets），并且这些行键均匀分布在节点上。为了最大限度地提高 Bigtable 的效率，您需要将数据分布在节点之间和节点内作为 tablets。当您写入同一行或一组连续的行时，您会遇到热点问题，因为这一切都发生在一个 tablet 内。如果您不断地使用时间戳作为密钥的突出部分进行写入，您将继续写入相同的 tablet 直到它填满并且您必须转到下一个而不是写入多个 tablets 在一个节点内。
Bigtable 文档有一个 guide for time-series schema design，它为像您这样的用例推荐了一些解决方案：
字段提升：在你的timestamp前的rowkey中增加一个字段，用来分隔出一组数据(USER_ID#timestamp#. ..)
Salting：取时间戳的散列值除以节点数，然后将其添加到行键（SALT_RESULT#时间戳#...)
反转时间戳： 或者如果其中任何一个不起作用，反转时间戳。如果您最常见的查询是最新值，这种方法效果最好，但会使其他查询更加困难
编辑： 您的方法绝对类似于加盐，但由于您的数据已经在单独的 tables 中，您实际上并没有获得任何增加的好处，因为热点将在 tablet 级别引起。
为了进一步说明，假设您在单独的 table 中拥有此数据并开始写入数据。每个 table 将由 tablets 组成，其中捕获时间戳 0-10、11-20 等... 那些 tablets 将自动分发在节点中获得最佳性能。如果负载都相似，tablets 0-10 应该都在不同的节点上，11-20 都应该在不同的节点上等等。
根据您的架构设置方式，您不断写入最新的 tablet（假设现在时间是 91，）您只写入 91-100 而忽略所有该节点中的其他 tablets。由于 91-100 tablet 是唯一一个开始工作而不是其他 tablets，您的节点不会为您提供优化的性能，这就是我们所说的热点。某个 tablet 出现峰值，但负载均衡器没有足够的时间来纠正它。
如果你在同一个table中有它，我们现在可以只关注一个节点。 series1#0-10 将首先受到冲击，然后是 series1#11-20，然后是 series1#21-30。总有一个 tablet 负载过大而没有使用完整节点。
文档中有一些关于 load balancing 的更多信息。