Rowkey 是一个二进制码流，建议越短越好，一般不超过 16 个字节，主要是出于以下的考虑：数据的持久化文件 HFile 中是按照 KeyValue 存储的，即你写入的数据可能是一个 RowKey 对应多个列族，多个列，但是实际的存储是每个列都会对应 Rowkey 写一遍，即这一条数据有多少个列，就会存储多少遍 Rowkey，这会极大影响 HFile 的存储效率。

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。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)

互联网公司的 Hadoop 集群一般都会比较大，几百台服务器会分布在不同的机架上，甚至在不同的机房。出于保证数据安全性和数据传输的高效性的平衡考虑，HDFS希望不同节点之间的通信能够尽量发生在同一个机架之内，而不是跨机架和跨机房。同时，NameNode 在分配 Block 的存储位置的时候，会尽可能把数据块的副本放到多个机架甚至机房中，防止机架出现事故或者机房出现事故时候的数据丢失问题发生。

repartition只是coalesce接口中shuffle为true的实现。不经过 shuffle，也就是coaleasce shuffle为false，是无法增加RDD的分区数的，比如你源RDD 100个分区，想要变成200个分区，只能使用repartition，也就是coaleasce shuffle为true。

reduceByKey 可以接收一个 func 函数作为参数，这个函数会作用到每个分区的数据上，即分区内部的数据先进行一轮计算，然后才进行 shuffle 将数据写入下游分区，再将这个函数作用到下游的分区上，这样做的目的是减少 shuffle 的数据量，减轻负担。