Hbase面试题总结

一、介绍下HBase架构

--HMaster
HBase集群的主节点，负责管理和协调整个集群的操作。它处理元数据和表的分区信息，控制RegionServer的负载均衡和故障恢复。--RegionServer
HBase集群中的工作节点，负责存储和处理数据。每个RegionServer管理若干个Region，每个Region负责存储一部分表的数据。RegionServer处理读写请求，并与HDFS交互来存储和获取数据。
--ZooKeeper
HBase使用ZooKeeper来进行协调和管理。ZooKeeper负责选举HMaster节点，并存储HBase集群的元数据，以及监控和管理集群的状态。--HDFS
HBase使用HDFS作为底层的分布式文件系统，用于存储数据。HBase将数据以Region的形式存储在HDFS上，每个Region对应一个HFile。

二、HBase存储结构？

由行键、列簇、列名（列限定符）、时间戳组成一个单元格，单元格中存储着具体的数据值

三、HBase读写流程

--HBase读流程
1、当客户端请求读取数据时，首先需要根据数据的行键（row key）定位到对应的Region Server。
2、在Region Server中，HBase使用MemStore和HFile两个存储结构来存储数据。MemStore是基于内存存放的数据。HFile是磁盘中的存储文件，用于数据持久化。
3、当在MemStore中找不到所需的数据时，HBase会去HFile中查找。它通过索引文件（HFile中的Blomm Filter和Block Index）快速定位到所需的数据块，并从磁盘读取数据。
4、一旦找到数据，HBase会将其返回给客户端。--HBase写流程
1、当客户端请求写入数据时，首先需要确定数据所属的Region Server。
2、在Region Server中，数据首先会被写入到MemStore中，这是一个内存缓冲区。
3、当MemStore中的数据达到一定阈值时，MemStore中的数据会被刷新到磁盘，生成一个新的HFile并被存储到HDFS中。
4、同时，HBase会更新HBase的元数据（如Region的位置、表的结构等）。
5、当需要写入的数据量较大时，HBase还会进行数据预分区，将数据分布到不同的Region中，以实现负载均衡和并行写入。

四、HBase的一个region由哪些东西组成？

1、行键范围（start key 和 end key）：每个region都有一个唯一的行键范围，用于标识该region负责存储的数据范围。
2、MemStore：每个region都有一个内存中的MemStore，用于缓存该region内的写入操作。当MemStore的大小达到一定阈值时，会将其刷新到磁盘上的HFile。
3、HFile：每个region都包含一个或多个HFile，用于持久化存储该region内的数据。HFile是HBase中的底层存储格式，以块的形式存储数据，并提供快速的读取和写入操作。
4、WAL（Write-Ahead-Log）：每个region都有一个WAL，用于记录该region内的写入操作。WAL在写入操作发生时先将操作记录到日志中，然后再将数据写入MemStore。WAL的作用是保证数据的持久化和可恢复性。
5、Region Server：每个region都由一个Region Server负责管理和处理。Region Server是HBase集群中的工作节点，负责处理读写请求、维护和管理region以及与HDFS进行交互。

五、 RowKey设计原则

--长度原则
不要超过16个字节
--散列原则
如果rowkey按照时间戳的方式递增，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
--唯一原则
HBase中数据存储的格式是Key-Value对，如果插入相同RowKey的数据，则原先存在的数据会被新的数据覆盖。
--排序原则
HBase中的数据是按照RowKey的字典顺序进行排序的,设计RowKey可以利用这个特性，将经常一起读取的数据存储到一起，提高查询效率

六、hbase中热点问题的处理方案

--热点问题
在HBase中，热点问题指的是某个或某些特定的行键（rowkey）或列族（column family）被频繁访问，导致某些RegionServer的负载过高，从而影响整个系统的性能和稳定性--处理方案
1、预分区
HBase默认创建的表只有一个Region，这可能导致所有数据都写入到这一个Region中，从而引发热点问题。通过预分区，可以在创建表时指定Region的数量，使数据在多个Region中均匀分布。、
2、RowKey设计
可以yong加盐的方式，在RowKey前加上一个随机前缀，使得原本相近的RowKey分散到不同的Region中。
3、使用缓存
HBase自带了缓存机制，可以将热点数据放入缓存中，减少磁盘I/O操作，提高访问速度。