你的题目和描述不一致，你的描述是在说ID-Mapping的问题吗，这和HBase行键设计是两个领域的问题。先说第一个问题HBase行键设计。

　　避免热点的Rowkey设计

　　加盐(随机前缀，hash取模等+原始rowkey拼接， 取数据结合协处理器oprocessor器)

　　哈希 (rowkey计算md5，sha256等截取前几位+原始rowkey拼接， 不利于scan，但是get能精确定位)

　　反转 (rowkey反转)

　　例子：

　　# 查询某个卖家某段时间内的交易记录

　　rowkey = sellerId + timestamp + orderId

　　# 如果某个商家卖了很多商品，产生热点，可以如下设计 Rowkey 实现快速搜索

　　rowkey = salt + sellerId + timestamp 其中，salt 是随机数。可以支持如下场景， 查询时需要实现一个HBase协处理器(`coprocessors`))，提供高效查询

　　- 全表 Scan

　　- 按照 sellerId 查询

　　- 按照 sellerId + timestamp 查询

　　用户多端设备打通，也就是ID-Mapping问题，这是一个大工程，要根据公司的产品和业务做不通的设计。这里说里面一中方式 Spark GraphX通过计算最大连通图可以做这个事情。

　　更多关于大数据培训的问题，欢迎咨询千锋教育在线名师，如果想要了解我们的师资、课程、项目实操的话可以点击咨询课程顾问，获取试听资格来试听我们的课程，在线零距离接触千锋教育大咖名师，让你轻松从入门到精通。