HBase面試題有哪些

本篇內(nèi)容主要講解“HBase面試題有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“HBase面試題有哪些”吧!

1. HBase是什么？HBase的特點(diǎn)是什么？

1. Hbase一個(gè)分布式的基于列式存儲(chǔ)的數(shù)據(jù)庫，基于Hadoop的 hdfs 存儲(chǔ)，zookeeper 進(jìn)行管理。

2. Hbase適合存儲(chǔ)半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，對(duì)于數(shù)據(jù)結(jié)構(gòu)字段不夠確定或者雜亂無章很難按一個(gè)概念去抽取的數(shù)據(jù)。

3. Hbase 為 null 的記錄不會(huì)被存儲(chǔ)。

4. 基于的表包含 rowkey，時(shí)間戳，和列族。新寫入數(shù)據(jù)時(shí)，時(shí)間戳更新， 同時(shí)可以查詢到以前的版本。

5. hbase 是主從架構(gòu)。hmaster 作為主節(jié)點(diǎn)，hregionserver 作為從節(jié)點(diǎn)。

6. 大：一個(gè)表可以有數(shù)十億行，上百萬列；

7. 無模式：每行都有一個(gè)可排序的主鍵和任意多的列，列可以根據(jù)需要?jiǎng)討B(tài)的增加，同一
   張表中不同的行可以有截然不同的列；

8. 面向列：面向列（族）的存儲(chǔ)和權(quán)限控制，列（族）獨(dú)立檢索；

9. 稀疏：空（null）列并不占用存儲(chǔ)空間，表可以設(shè)計(jì)的非常稀疏；

10. 數(shù)據(jù)多版本：每個(gè)單元中的數(shù)據(jù)可以有多個(gè)版本，默認(rèn)情況下版本號(hào)自動(dòng)分配，是單元
    格插入時(shí)的時(shí)間戳；

11. 數(shù)據(jù)類型單一：Hbase 中的數(shù)據(jù)都是字符串，沒有類型。
     

2. HBase如何導(dǎo)入數(shù)據(jù)？

1. 通過HBase API進(jìn)行批量寫入數(shù)據(jù)；

2. 使用Sqoop工具批量導(dǎo)數(shù)到HBase集群；

3. 使用MapReduce批量導(dǎo)入；

4. HBase BulkLoad的方式。

5. HBase 通過Hive 關(guān)聯(lián)導(dǎo)入數(shù)據(jù)

HBase API 跟 MapReduce寫入方式在面對(duì)大數(shù)據(jù)量寫入的時(shí)候效率會(huì)很低下，因?yàn)樗鼈兌际峭ㄟ^請(qǐng)求regionserver將數(shù)據(jù)寫入，這期間數(shù)據(jù)會(huì)先寫入memstore，memstore達(dá)到閾值后會(huì)刷寫到磁盤生成hfile文件，hfile文件過多時(shí)會(huì)發(fā)生compaction，如果region大小過大時(shí)也會(huì)發(fā)生split。這些因素都會(huì)影響hbase數(shù)據(jù)寫入的效率，因此在面臨大數(shù)據(jù)寫入時(shí)，這兩種方式是不合適的。

而bulkload正好解決了這個(gè)問題，bulkload 工具是將數(shù)據(jù)直接寫入到hfile文件中，寫入完畢后，通知hbase去加載這些hfile文件，因此可以避免上述耗時(shí)的因素，大大增加了數(shù)據(jù)寫入的效率。下面就來講述下如何利用bulkloan加載數(shù)據(jù)。

4. Hbase 和 hive 有什么區(qū)別？hive 與 hbase 的底層存儲(chǔ)是什么？hive 是產(chǎn)生的原因是什么？habase 是為了彌補(bǔ) hadoop 的什么缺陷?

共同點(diǎn)：

1. hbase與hive都是架構(gòu)在hadoop之上的。都是用hadoop作為底層存儲(chǔ)。

區(qū)別：

1. Hive是建立在Hadoop之上為了減少M(fèi)apReduce jobs編寫工作的批處理系統(tǒng)，HBase是為了支持彌補(bǔ)Hadoop對(duì)實(shí)時(shí)操作的缺陷的項(xiàng)目 。

2. 想象你在操作RMDB數(shù)據(jù)庫，如果是全表掃描，就用Hive+Hadoop，如果是索引訪問，就用HBase+Hadoop；

3. Hive query就是MapReduce jobs可以從5分鐘到數(shù)小時(shí)不止，HBase是非常高效的，肯定比Hive高效的多；

4. Hive本身不存儲(chǔ)和計(jì)算數(shù)據(jù)，它完全依賴于 HDFS 和 MapReduce，Hive中的表純邏輯；

5. hive借用hadoop的MapReduce來完成一些hive中的命令的執(zhí)行；

6. hbase是物理表，不是邏輯表，提供一個(gè)超大的內(nèi)存hash表，搜索引擎通過它來存儲(chǔ)索引，方便查詢操作；

7. hbase是列存儲(chǔ)；

8. hdfs 作為底層存儲(chǔ)，hdfs 是存放文件的系統(tǒng)，而 Hbase 負(fù)責(zé)組織文件；

9. hive 需要用到 hdfs 存儲(chǔ)文件，需要用到 MapReduce 計(jì)算框架。

5. 解釋下 hbase 實(shí)時(shí)查詢的原理

實(shí)時(shí)查詢，可以認(rèn)為是從內(nèi)存中查詢，一般響應(yīng)時(shí)間在 1 秒內(nèi)。HBase 的機(jī)制是數(shù)據(jù)先寫入到內(nèi)存中，當(dāng)數(shù)據(jù)量達(dá)到一定的量（如 128M），再寫入磁盤中， 在內(nèi)存中，是不進(jìn)行數(shù)據(jù)的更新或合并操作的，只增加數(shù)據(jù)，這使得用戶的寫操作只要進(jìn)入內(nèi)存中就可以立即返回，保證了 HBase I/O 的高性能

6. 描述 Hbase 的 rowKey 的設(shè)計(jì)原則

聯(lián)系 region 和 rowkey 關(guān)系說明，設(shè)計(jì)可參考以下三個(gè)原則.

     1. rowkey 長(zhǎng)度原則
rowkey 是一個(gè)二進(jìn)制碼流，可以是任意字符串，最大長(zhǎng)度 64kb，實(shí)際應(yīng)用中一般為 10-100bytes，以 byte[] 形式保存，一般設(shè)計(jì)成定長(zhǎng)。建議越短越好，不要超過 16 個(gè)字節(jié)， 原因如下：

數(shù)據(jù)的持久化文件 HFile 中是按照 KeyValue 存儲(chǔ)的，如果 rowkey 過長(zhǎng)會(huì)極大影響 HFile 的存儲(chǔ)效率 MemStore 將緩存部分?jǐn)?shù)據(jù)到內(nèi)存，如果 rowkey 字段過長(zhǎng)，內(nèi)存的有效利用率就會(huì)降低，系統(tǒng)不能緩存更多的數(shù)據(jù)，這樣會(huì)降低檢索效率

     2. rowkey 散列原則
如果 rowkey 按照時(shí)間戳的方式遞增，不要將時(shí)間放在二進(jìn)制碼的前面，建議將 rowkey 的高位作為散列字段，由程序隨機(jī)生成，低位放時(shí)間字段，這樣將提高數(shù)據(jù)均衡分布在每個(gè) RegionServer，以實(shí)現(xiàn)負(fù)載均衡的幾率。如果沒有散列字段，首字段直接是時(shí)間信息，所有的數(shù)據(jù)都會(huì)集中在一個(gè) RegionServer 上，這樣在數(shù)據(jù)檢索的時(shí)候負(fù)載會(huì)集中在個(gè)別的 RegionServer 上，造成熱點(diǎn)問題，會(huì)降低查詢效率。

     3. rowkey 唯一原則
必須在設(shè)計(jì)上保證其唯一性，rowkey 是按照字典順序排序存儲(chǔ)的，因此， 設(shè)計(jì) rowkey 的時(shí)候，要充分利用這個(gè)排序的特點(diǎn)，將經(jīng)常讀取的數(shù)據(jù)存儲(chǔ)到一塊，將最近可能會(huì)被訪問的數(shù)據(jù)放到一塊。

7. 描述 Hbase 中 scan 和 get 的功能以及實(shí)現(xiàn)的異同

1. 按指定RowKey 獲取唯 一 一 條 記 錄 ， get 方法（ org.apache.hadoop.hbase.client.Get ） Get的方法處理分兩種 ： 設(shè)置了ClosestRowBefore和沒有設(shè)置的 rowlock 主要是用來保證行的事務(wù)性，即每個(gè)get 是以一個(gè) row 來標(biāo)記的.一個(gè) row 中可以有很多 family 和 column。

2. 按指定的條件獲取一批記錄，scan 方法(org.apache.Hadoop.hbase.client.Scan)實(shí)現(xiàn)條件查詢功能使用的就是 scan 方式

3. 1. scan 可以通過 setCaching 與 setBatch 方法提高速度(以空間換時(shí)間)；
   2. scan 可以通過 setStartRow 與 setEndRow 來限定范圍([start，end]start? 是閉區(qū)間，end 是開區(qū)間)。范圍越小，性能越高；
   3. scan 可以通過 setFilter 方法添加過濾器，這也是分頁、多條件查詢的基礎(chǔ)。 3.全表掃描，即直接掃描整張表中所有行記錄。

8. 請(qǐng)?jiān)敿?xì)描述 Hbase 中一個(gè) Cell 的結(jié)構(gòu)

HBase 中通過 row 和 columns 確定的為一個(gè)存貯單元稱為 cell。Cell：由{row key， CF，Columns， version}是唯一確定的單元cell 中的數(shù)據(jù)是沒有類型的，全部是字節(jié)碼形式存貯。

9. 簡(jiǎn)述 HBASE 中 compact 用途是什么，什么時(shí)候觸發(fā)，分為哪兩種，有什么區(qū)別，有哪些相關(guān)配置參數(shù)？

在 hbase 中每當(dāng)有 memstore 數(shù)據(jù) flush 到磁盤之后，就形成一個(gè) storefile， 當(dāng) storeFile 的數(shù)量達(dá)到一定程度后，就需要將 storefile 文件來進(jìn)行 compaction 操作。Compact 的作用：

1. 合并文件

2. 清除過期，多余版本的數(shù)據(jù)

3. 提高讀寫數(shù)據(jù)的效率

10. HBase 中實(shí)現(xiàn)了兩種 compaction 的方式 ： minor and major這兩種compaction 方式的區(qū)別是：

1. Minor 操作只用來做部分文件的合并操作以及包括 minVersion=0 并且設(shè)置 TTL 的過期版本清理，不做任何刪除數(shù)據(jù)、多版本數(shù)據(jù)的清理工作;

2. Major 操作是對(duì) Region 下的 HStore 下的所有 StoreFile 執(zhí)行合并操作， 最終的結(jié)果是整理合并出一個(gè)文件。

3. Minor and Major 合并規(guī)則

11. 簡(jiǎn)述 Hbase filter 的實(shí)現(xiàn)原理是什么？結(jié)合實(shí)際項(xiàng)目經(jīng)驗(yàn)，寫出幾個(gè)使用filter 的場(chǎng)景。

HBase 為篩選數(shù)據(jù)提供了一組過濾器，通過這個(gè)過濾器可以在 HBase 中的數(shù)據(jù)的多個(gè)維度（行，列，數(shù)據(jù)版本）上進(jìn)行對(duì)數(shù)據(jù)的篩選操作，也就是說過濾器最終能夠篩選的數(shù)據(jù)能夠細(xì)化到具體的一個(gè)存儲(chǔ)單元格上（由行鍵， 列名，時(shí)間戳定位）。

RowFilter、PrefixFilter。hbase 的 filter 是通過 scan 設(shè)置的，所以是基于 scan 的查詢結(jié)果進(jìn)行過濾. 過濾器的類型很多，但是可以分為兩大類——比較過濾器，專用過濾器。過濾器的作用是在服務(wù)端判斷數(shù)據(jù)是否滿足條件，然后只將滿足條件的數(shù)據(jù)返回給客戶端；如在進(jìn)行訂單開發(fā)的時(shí)候，我們使用 rowkeyfilter 過濾出某個(gè)用戶的所有訂單。

12. Hbase 內(nèi)部是什么機(jī)制？

在 HBase 中無論是增加新行還是修改已有的行，其內(nèi)部流程都是相同的。HBase 接到命令后存下變化信息，或者寫入失敗拋出異常。默認(rèn)情況下，執(zhí)行寫入時(shí)會(huì)寫到兩個(gè)地方：預(yù)寫式日志（write-ahead log，也稱 HLog）和 MemStore。HBase 的默認(rèn)方式是把寫入動(dòng)作記錄在這兩個(gè)地方，以保證數(shù)據(jù)持久化。只有當(dāng)這兩個(gè)地方的變化信息都寫入并確認(rèn)后，才認(rèn)為寫動(dòng)作完成。

MemStore 是內(nèi)存里的寫入緩沖區(qū)，HBase 中數(shù)據(jù)在永久寫入硬盤之前在這里累積。當(dāng)MemStore 填滿后，其中的數(shù)據(jù)會(huì)刷寫到硬盤，生成一個(gè)HFile。HFile 是HBase 使用的底層存儲(chǔ)格式。HFile 對(duì)應(yīng)于列族，一個(gè)列族可以有多個(gè) HFile，但一個(gè) HFile 不能存儲(chǔ)多個(gè)列族的數(shù)據(jù)。在集群的每個(gè)節(jié)點(diǎn)上，每個(gè)列族有一個(gè)MemStore。大型分布式系統(tǒng)中硬件故障很常見，HBase 也不例外。

設(shè)想一下，如果MemStore 還沒有刷寫，服務(wù)器就崩潰了，內(nèi)存中沒有寫入硬盤的數(shù)據(jù)就會(huì)丟失。HBase 的應(yīng)對(duì)辦法是在寫動(dòng)作完成之前先寫入 WAL。HBase 集群中每臺(tái)服務(wù)器維護(hù)一個(gè) WAL 來記錄發(fā)生的變化。WAL 是底層文件系統(tǒng)上的一個(gè)文件。直到WAL 新記錄成功寫入后，寫動(dòng)作才被認(rèn)為成功完成。這可以保證 HBase 和支撐它的文件系統(tǒng)滿足持久性。

大多數(shù)情況下，HBase 使用Hadoop分布式文件系統(tǒng)（HDFS）來作為底層文件系統(tǒng)。如果 HBase 服務(wù)器宕機(jī)，沒有從 MemStore 里刷寫到 HFile 的數(shù)據(jù)將可以通過回放 WAL 來恢復(fù)。你不需要手工執(zhí)行。Hbase 的內(nèi)部機(jī)制中有恢復(fù)流程部分來處理。每臺(tái) HBase 服務(wù)器有一個(gè) WAL，這臺(tái)服務(wù)器上的所有表（和它們的列族）共享這個(gè) WAL。你可能想到，寫入時(shí)跳過 WAL 應(yīng)該會(huì)提升寫性能。但我們不建議禁用 WAL， 除非你愿意在出問題時(shí)丟失數(shù)據(jù)。如果你想測(cè)試一下，如下代碼可以禁用 WAL： 注意：不寫入 WAL 會(huì)在 RegionServer 故障時(shí)增加丟失數(shù)據(jù)的風(fēng)險(xiǎn)。關(guān)閉 WAL， 出現(xiàn)故障時(shí) HBase 可能無法恢復(fù)數(shù)據(jù)，沒有刷寫到硬盤的所有寫入數(shù)據(jù)都會(huì)丟失。

13. HBase 宕機(jī)如何處理？

宕機(jī)分為 HMaster 宕機(jī)和 HRegisoner 宕機(jī).

如果是 HRegisoner 宕機(jī)，HMaster 會(huì)將其所管理的 region 重新分布到其他活動(dòng)的 RegionServer 上，由于數(shù)據(jù)和日志都持久在 HDFS 中，該操作不會(huì)導(dǎo)致數(shù)據(jù)丟失,所以數(shù)據(jù)的一致性和安全性是有保障的。

如果是 HMaster 宕機(jī)， HMaster 沒有單點(diǎn)問題， HBase 中可以啟動(dòng)多個(gè)HMaster，通過 Zookeeper 的 Master Election 機(jī)制保證總有一個(gè) Master 運(yùn)行。即ZooKeeper 會(huì)保證總會(huì)有一個(gè) HMaster 在對(duì)外提供服務(wù)。

14. HRegionServer宕機(jī)如何處理？

1. ZooKeeper 會(huì)監(jiān)控 HRegionServer 的上下線情況，當(dāng) ZK 發(fā)現(xiàn)某個(gè) HRegionServer 宕機(jī)之后會(huì)通知 HMaster 進(jìn)行失效備援；

2. HRegionServer 會(huì)停止對(duì)外提供服務(wù)，就是它所負(fù)責(zé)的 region 暫時(shí)停止對(duì)外提供服務(wù)

3. HMaster 會(huì)將該 HRegionServer 所負(fù)責(zé)的 region 轉(zhuǎn)移到其他 HRegionServer 上，并且會(huì)對(duì) HRegionServer 上存在 memstore 中還未持久化到磁盤中的數(shù)據(jù)進(jìn)行恢復(fù);

4. 這個(gè)恢復(fù)的工作是由 WAL重播 來完成，這個(gè)過程如下：

1. wal實(shí)際上就是一個(gè)文件，存在/hbase/WAL/對(duì)應(yīng)RegionServer路徑下
2. 宕機(jī)發(fā)生時(shí)，讀取該RegionServer所對(duì)應(yīng)的路徑下的wal文件，然后根據(jù)不同的region切分成不同的臨時(shí)文件recover.edits
3. 當(dāng)region被分配到新的RegionServer中，RegionServer讀取region時(shí)會(huì)進(jìn)行是否存在recover.edits，如果有則進(jìn)行恢復(fù)

15. hbase寫數(shù)據(jù) 和 讀數(shù)據(jù)過程獲取region存儲(chǔ)位置信息

寫數(shù)據(jù)和讀數(shù)據(jù)一般都會(huì)獲取hbase的region的位置信息。大概步驟為：

1. 從zookeeper中獲取.ROOT.表的位置信息，在zookeeper的存儲(chǔ)位置為/hbase/root-region-server；

2. 根據(jù).ROOT.表中信息，獲取.META.表的位置信息；

3. META.表中存儲(chǔ)的數(shù)據(jù)為每一個(gè)region存儲(chǔ)位置；

向hbase表中插入數(shù)據(jù)

hbase中緩存分為兩層：Memstore 和 BlockCache

1. 首先寫入到 WAL文件 中，目的是為了數(shù)據(jù)不丟失；

2. 再把數(shù)據(jù)插入到 Memstore緩存中，當(dāng) Memstore達(dá)到設(shè)置大小閾值時(shí)，會(huì)進(jìn)行flush進(jìn)程；

3. flush過程中，需要獲取每一個(gè)region存儲(chǔ)的位置。

從hbase中讀取數(shù)據(jù)

BlockCache 主要提供給讀使用。讀請(qǐng)求先到 Memtore中查數(shù)據(jù)，查不到就到 BlockCache 中查，再查不到就會(huì)到磁盤上讀，并把讀的結(jié)果放入 BlockCache 。

BlockCache 采用的算法為 LRU（最近最少使用算法），因此當(dāng) BlockCache 達(dá)到上限后，會(huì)啟動(dòng)淘汰機(jī)制，淘汰掉最老的一批數(shù)據(jù)。

一個(gè) RegionServer 上有一個(gè) BlockCache 和N個(gè) Memstore，它們的大小之和不能大于等于 heapsize * 0.8，否則 hbase 不能啟動(dòng)。默認(rèn) BlockCache 為 0.2，而 Memstore 為 0.4。對(duì)于注重讀響應(yīng)時(shí)間的系統(tǒng)，應(yīng)該將 BlockCache 設(shè)大些，比如設(shè)置BlockCache =0.4，Memstore=0.39。這會(huì)加大緩存命中率。

15. HBase優(yōu)化方法

優(yōu)化手段主要有以下四個(gè)方面

1. 減少調(diào)整

減少調(diào)整這個(gè)如何理解呢？HBase中有幾個(gè)內(nèi)容會(huì)動(dòng)態(tài)調(diào)整，如region（分區(qū)）、HFile，所以通過一些方法來減少這些會(huì)帶來I/O開銷的調(diào)整

Region
如果沒有預(yù)建分區(qū)的話，那么隨著region中條數(shù)的增加，region會(huì)進(jìn)行分裂，這將增加I/O開銷，所以解決方法就是根據(jù)你的RowKey設(shè)計(jì)來進(jìn)行預(yù)建分區(qū)，減少region的動(dòng)態(tài)分裂。

HFile
HFile是數(shù)據(jù)底層存儲(chǔ)文件，在每個(gè)memstore進(jìn)行刷新時(shí)會(huì)生成一個(gè)HFile，當(dāng)HFile增加到一定程度時(shí)，會(huì)將屬于一個(gè)region的HFile進(jìn)行合并，這個(gè)步驟會(huì)帶來開銷但不可避免，但是合并后HFile大小如果大于設(shè)定的值，那么HFile會(huì)重新分裂。為了減少這樣的無謂的I/O開銷，建議估計(jì)項(xiàng)目數(shù)據(jù)量大小，給HFile設(shè)定一個(gè)合適的值

2. 減少啟停

數(shù)據(jù)庫事務(wù)機(jī)制就是為了更好地實(shí)現(xiàn)批量寫入，較少數(shù)據(jù)庫的開啟關(guān)閉帶來的開銷，那么HBase中也存在頻繁開啟關(guān)閉帶來的問題。

     1. 關(guān)閉Compaction，在閑時(shí)進(jìn)行手動(dòng)Compaction

因?yàn)镠Base中存在Minor Compaction和Major Compaction，也就是對(duì)HFile進(jìn)行合并，所謂合并就是I/O讀寫，大量的HFile進(jìn)行肯定會(huì)帶來I/O開銷，甚至是I/O風(fēng)暴，所以為了避免這種不受控制的意外發(fā)生，建議關(guān)閉自動(dòng)Compaction，在閑時(shí)進(jìn)行compaction

     2. 批量數(shù)據(jù)寫入時(shí)采用BulkLoad

如果通過HBase-Shell或者JavaAPI的put來實(shí)現(xiàn)大量數(shù)據(jù)的寫入，那么性能差是肯定并且還可能帶來一些意想不到的問題，所以當(dāng)需要寫入大量離線數(shù)據(jù)時(shí)建議使用BulkLoad

3. 減少數(shù)據(jù)量

雖然我們是在進(jìn)行大數(shù)據(jù)開發(fā)，但是如果可以通過某些方式在保證數(shù)據(jù)準(zhǔn)確性同時(shí)減少數(shù)據(jù)量，何樂而不為呢？

     1. 開啟過濾，提高查詢速度
開啟BloomFilter，BloomFilter是列族級(jí)別的過濾，在生成一個(gè)StoreFile同時(shí)會(huì)生成一個(gè)MetaBlock，用于查詢時(shí)過濾數(shù)據(jù)

     2. 使用壓縮：一般推薦使用Snappy和LZO壓縮

4. 合理設(shè)計(jì)

在一張HBase表格中RowKey和ColumnFamily的設(shè)計(jì)是非常重要，好的設(shè)計(jì)能夠提高性能和保證數(shù)據(jù)的準(zhǔn)確性

1. RowKey設(shè)計(jì)：應(yīng)該具備以下幾個(gè)屬性

• 散列性：散列性能夠保證相同相似的rowkey聚合，相異的rowkey分散，有利于查詢

• 簡(jiǎn)短性：rowkey作為key的一部分存儲(chǔ)在HFile中，如果為了可讀性將rowKey設(shè)計(jì)得過長(zhǎng)，那么將會(huì)增加存儲(chǔ)壓力

• 唯一性：rowKey必須具備明顯的區(qū)別性

• 業(yè)務(wù)性：舉些例子

假如我的查詢條件比較多，而且不是針對(duì)列的條件，那么rowKey的設(shè)計(jì)就應(yīng)該支持多條件查詢
如果我的查詢要求是最近插入的數(shù)據(jù)優(yōu)先，那么rowKey則可以采用叫上Long.Max-時(shí)間戳的方式，這樣rowKey就是遞減排列
     2. 列族的設(shè)計(jì)

      列族的設(shè)計(jì)需要看應(yīng)用場(chǎng)景

      多列族設(shè)計(jì)的優(yōu)劣

優(yōu)勢(shì)：
HBase中數(shù)據(jù)時(shí)按列進(jìn)行存儲(chǔ)的，那么查詢某一列族的某一列時(shí)就不需要全盤掃描，只需要掃描某一列族，減少了讀I/O；
其實(shí)多列族設(shè)計(jì)對(duì)減少的作用不是很明顯，適用于讀多寫少的場(chǎng)景。

劣勢(shì)：
降低了寫的I/O性能。原因如下：數(shù)據(jù)寫到store以后是先緩存在memstore中，同一個(gè)region中存在多個(gè)列族則存在多個(gè)store，每個(gè)store都一個(gè)memstore，當(dāng)其實(shí)memstore進(jìn)行flush時(shí)，屬于同一個(gè)region的store中的memstore都會(huì)進(jìn)行flush，增加I/O開銷。

16. 為什么不建議在 HBase 中使用過多的列族

在 Hbase 的表中，每個(gè)列族對(duì)應(yīng) Region 中的一個(gè)Store，Region的大小達(dá)到閾值時(shí)會(huì)分裂，因此如果表中有多個(gè)列族，則可能出現(xiàn)以下現(xiàn)象：

1. 一個(gè)Region中有多個(gè)Store，如果每個(gè)CF的數(shù)據(jù)量分布不均勻時(shí)，比如CF1為100萬，CF2為1萬，則Region分裂時(shí)導(dǎo)致CF2在每個(gè)Region中的數(shù)據(jù)量太少，查詢CF2時(shí)會(huì)橫跨多個(gè)Region導(dǎo)致效率降低。

2. 如果每個(gè)CF的數(shù)據(jù)分布均勻，比如CF1有50萬，CF2有50萬，CF3有50萬，則Region分裂時(shí)導(dǎo)致每個(gè)CF在Region的數(shù)據(jù)量偏少，查詢某個(gè)CF時(shí)會(huì)導(dǎo)致橫跨多個(gè)Region的概率增大。

3. 多個(gè)CF代表有多個(gè)Store，也就是說有多個(gè)MemStore(2MB)，也就導(dǎo)致內(nèi)存的消耗量增大，使用效率下降。

4. Region 中的 緩存刷新 和 壓縮 是基本操作，即一個(gè)CF出現(xiàn)緩存刷新或壓縮操作，其它CF也會(huì)同時(shí)做一樣的操作，當(dāng)列族太多時(shí)就會(huì)導(dǎo)致IO頻繁的問題。

17. 為什么有HDFS還要用HBase?

• 延遲: Mapreduce編程框架延遲較高,無法滿足大規(guī)模數(shù)據(jù)實(shí)時(shí)處理應(yīng)用的需求

• 訪問: HDFS面向批量訪問而不是隨機(jī)訪問

為什么用HBase而不用傳統(tǒng)關(guān)系型數(shù)據(jù)庫? / 關(guān)系型數(shù)據(jù)庫和HBase有什么區(qū)別?

• 數(shù)據(jù)類型: 傳統(tǒng)關(guān)系型數(shù)據(jù)庫有豐富的數(shù)據(jù)類型,HBase把數(shù)據(jù)存儲(chǔ)為未經(jīng)解釋的字符串

• 數(shù)據(jù)操作: 關(guān)系數(shù)據(jù)庫包含了豐富的操作，可涉及復(fù)雜的多表連接,而HBase只有簡(jiǎn)單的插入查詢刪除清空等,不涉及表與表的連接

• 存儲(chǔ)模式: 關(guān)系數(shù)據(jù)庫基于行存儲(chǔ),HBase基于列存儲(chǔ)

• 數(shù)據(jù)索引: 關(guān)系數(shù)據(jù)庫可構(gòu)建復(fù)雜的多個(gè)索引以提高檢索效率；HBase只有一個(gè)索引:行鍵(RowKey),經(jīng)過巧妙地設(shè)計(jì),通過rowkey索引或掃描，不會(huì)使系統(tǒng)慢下來

• 數(shù)據(jù)維護(hù): 關(guān)系數(shù)據(jù)庫更新會(huì)覆蓋原值,HBase則是生成一個(gè)新的版本,舊數(shù)據(jù)依然保留

• 可伸縮性: 關(guān)系數(shù)據(jù)庫很難實(shí)現(xiàn)橫向擴(kuò)展,而HBase能夠容易地通過在集群中增加或減少硬件實(shí)現(xiàn)性能地伸縮

18.理解

• 一個(gè)HBase表, 由多個(gè)Region組成,這些Region可以不在一個(gè)Region Server上；

• 根據(jù)RowKey切分Region,某個(gè)或某個(gè)連續(xù)范圍內(nèi)的RowKey會(huì)被切分到一個(gè)Region

• 一個(gè)Store 對(duì)應(yīng) 一個(gè)列族的數(shù)據(jù),但一個(gè)列族由于Region的切分,可能對(duì)應(yīng)多個(gè)store

• 尋址過程客戶端只需要詢問Zookeeper服務(wù)器，不需要連接Master服務(wù)器

到此，相信大家對(duì)“HBase面試題有哪些”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！