HBase相关面试题整理
作者：尹正杰
版权声明：原创作品，谢绝转载！否则将追究法律责任。
一.Hbase热点(数据倾斜)问题， 读写请求会集中到某一个RegionServer上如何处理
产生热点问题的原因： (1)hbase的中的数据是按照字典序排序的，当大量连续的rowkey集中写在个别的region，各个region之间数据分布不均衡； (2)创建表时没有提前预分区，创建的表默认只有一个region，大量的数据写入当前region (3)创建表已经提前预分区，但是设计的rowkey没有规律可循
热点问题的解决方案： (1)随机数+业务主键，如果想让最近的数据快速get到，可以将时间戳加上。 (2)Rowkey设计越短越好，不要超过10~100个字节 (3)映射regionNo，这样既可以让数据均匀分布到各个region中，同时可以根据startkey和endkey可以get到同一批数据
二.Hbase查询一条记录的方法是什么？Hbase写入一条记录的方法是什么？
Hbase查询单一数据采用的是get方法，写入数据的方法为put方法
题目简单时，可以在回答问题时，稍微深入的讲解实现思路，比如读写流程。但如果你对HBase的读写流程不太清楚就别说，因为说的越多破绽就越多。
三.描述hbase的rowkey的设计原理
Rowkey设计时需要遵循三大原则： (1)唯一性原则: 这个很好理解，RowKey的角色类似于关系型数据库当中的主键，因此Rowkey不能重复。 举个例子,使用用户姓名作为RowKey就很不适合，究其原因是因为姓名太容易重复了,如果非要用姓名作为RowKey就得考虑加一些后缀来做区分。 rowkey在设计上保证其唯一性。rowkey是按照字典顺序排序存储的，因此，设计rowkey的时候，要充分利用这个排序的特点，将经常读取的数据存储到一块，将最近可能会被访问的数据放到一块。
(2)长度原则: 而设计太长会导致占用更多的存储空间影响查询效率，设计的太短对业务要求查询也不是特方便。因此在能满足查询条件的情况下，RowKey设计的越短越好。 虽然RowKey最大长度是64KB，实际应用中长度一般为10-100bytes。以byte[] 形式保存，一般设计成定长。 建议越短越好，不要超过16个字节，原因如下： (a)数据的持久化文件HFile中是按照KeyValue存储的，如果rowkey过长，比如超过100字节，1000w行数据，光rowkey就要占用100*1000w=10亿个字节，将近1G数据，这样会极大影响HFile的存储效率； (b)MemStore将缓存部分数据到内存，如果rowkey字段过长，内存的有效利用率就会降低，系统不能缓存更多的数据，这样会降低检索效率。 (c)目前操作系统都是64位系统，内存8字节对齐，控制在16个字节，8字节的整数倍利用了操作系统的最佳特性。 (3)散列原则: 让RowKey没有规律，可以实现均匀分配。 如果rowkey按照时间戳的方式递增，不要将时间放在二进制码的前面，建议将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，以实现负载均衡的几率。 如果没有散列字段，首字段直接是时间信息，所有的数据都会集中在一个RegionServer上，这样在数据检索的时候负载会集中在个别的RegionServer上，造成热点问题，会降低查询效率. 常见的散列手段如下: (a)加盐： 这里所说的加盐不是密码学中的加盐，而是在rowkey的前面增加随机数，具体就是给rowkey分配一个随机前缀以使得它和之前的rowkey的开头不同。 分配的前缀种类数量应该和你想使用数据分散到不同的region的数量一致。加盐之后的rowkey就会根据随机生成的前缀分散到各个region上，以避免热点. (b)哈希： 哈希会使同一行永远用一个前缀加盐。哈希也可以使负载分散到整个集群，但是读却是可以预测的。使用确定的哈希可以让客户端重构完整的rowkey，可以使用get操作准确获取某一个行数据。 (c)反转： 第三种防止热点的方法时反转固定长度或者数字格式的rowkey。这样可以使得rowkey中经常改变的部分(最没有意义的部分)放在前面。这样可以有效的随机rowkey，但是牺牲了rowkey的有序性。 反转rowkey的例子以手机号为rowkey，可以将手机号反转后的字符串作为rowkey，这样的就避免了以手机号那样比较固定开头导致热点问题。 (d)时间戳反转： 一个常见的数据处理问题是快速获取数据的最近版本，使用反转的时间戳作为rowkey的一部分对这个问题十分有用，可以用Long.Max_Value - timestamp追加到key的末尾。 例如[key][reverse_timestamp] ,[key]的最新值可以通过scan [key]获得[key]的第一条记录，因为HBase中rowkey是有序的，第一条记录是最后录入的数据。比如需要保存一个用户的操作记录，按照操作时间倒序排序，在设计rowkey的时候，可以这样设计[userId反转][Long.Max_Value - timestamp]，在查询用户的所有操作记录数据的时候，直接指定反转后的userId，startRow是[userId反转][000000000000],stopRow是[userId反转][Long.Max_Value - timestamp]如果需要查询某段时间的操作记录，startRow是[user反转][Long.Max_Value - 起始时间]，stopRow是[userId反转][Long.Max_Value - 结束时间]
四.Hbase中compact的用途是什么，什么时候触发，分为哪两种，有什么区别。
Compact的用途:
在HBase中，每当memstore的数据flush到磁盘后，就形成一个storefile，当storefile的数量越来越大时，会严重影响HBase的读性能 ，HBase内部的compact处理流程是为了解决MemStore Flush之后，文件数目太多，导致读数据性能大大下降的一种自我调节手段，它会将文件按照某种策略进行合并，大大提升HBase的数据读性能。 主要起到如下几个作用： (1)合并文件 (2)清除删除、过期、多余版本的数据 (3)提高读写数据的效率 HBase中实现了两种compaction的方式：
minor and major.
Minor compactions will usually pick up a couple of the smaller adjacent StoreFiles and rewrite them as one.
Minors do not drop deletes or expired cells, only major compactions do this.
Sometimes a minor compaction will pick up all the StoreFiles in the Store and in this case it actually promotes itself to being a major compaction. 这两种compaction方式的区别是： Minor操作只用来做部分文件的合并操作以及包括minVersion=0并且设置ttl的过期版本清理，不做任何删除数据、多版本数据的清理工作。 Major操作是对Region下的HStore下的所有StoreFile执行合并操作，最终的结果是整理合并出一个文件。 compaction触发时机： Memstore刷写后，判断是否compaction CompactionChecker线程，周期轮询
五.Hbase的原理,regionserver挂了,如何恢复数据？新的数据从Hlog里读出来是如何恢复的?
引起RegionServer宕机的原因各种各样，有因为Full GC导致、网络异常导致、官方Bug导致（close wait端口未关闭）以及DataNode异常导致等等。
HBase检测宕机是通过Zookeeper实现的， 正常情况下RegionServer会周期性向Zookeeper发送心跳，一旦发生宕机，心跳就会停止，超过一定时间（SessionTimeout）Zookeeper就会认为RegionServer宕机离线，并将该消息通知给Master。
一旦RegionServer发生宕机，HBase Master通过zookeeper集群会马上检测到这种宕机，并且在检测到宕机之后会将宕机RegionServer上的所有Region重新分配到集群中其他正常RegionServer上去，再根据HLog进行丢失数据恢复，恢复完成之后就可以对外提供服务，整个过程都是自动完成的，并不需要人工介入.
六.讲一下Hbase，Hbase二级索引用过吗
默认情况下，Hbase只支持rowkey的查询，对于多条件的组合查询的应用场景，不够给力。
如果将多条件组合查询的字段都拼接在RowKey中显然又不太可能，全表扫描再结合过滤器筛选出目标数据(太低效)，所以通过设计HBase的二级索引来解决这个问题。
这里所谓的二级索引其实就是创建新的表，并建立各列值（family：column）与行键（rowkey）之间的映射关系。这种方式需要额外的存储空间，属于一种以空间换时间的方式
七.Hbase如何优化的
博主推荐阅读： https://www.cnblogs.com/yinzhengjie2020/p/12275462.html
八.Hbase中查询表名为test，rowkey为userl开头的
HBase Shell:
scan 'test', FILTER => "PrefixFilter ('userl')"
HBase JavaAPI: Scan scan = new Scan(); Filter filter = new PrefixFilter(Bytes.toBytes("userl")); scan.setFilter(filter);
九.Hbase表的设计有哪些注意点
题目主要考核hbase表的设计要素：rowkey, family, column, cell, value, timestamp。
设计hbase表时需要了解：
(1)行键的结构是什么的并且要包含什么内容
(2)表有多少个列族？
(3)列族中都要放什么数据？
(4)每个列族中有多少个列？
(5)列名是什么？尽管列名在创建表时不需要指定，你读写数据是需要用到它们。
(6)单元数据需要包含哪些信息？
(7)每个单元数据需要存储的版本数量是多少？
十.HBase与mysql得区别
数据存储的方式:
Mysql面向行存储数据，整个行的数据是一个整体，存储在一起。
HBase面向列存储数据，整个列的数据是一个整体，存储在一起，有利于压缩和统计
数据之间的关系
Mysql存储关系型数据，结构化数据
Hbase存储的非关系型数据，存储结构化和非结构化数据
事务处理
Mysql数据库存在事务，因为着重于计算（算法）
Hbase数据库侧重于海量数据的存储，所以没有事务的概念
储存容量
Hbase依托于Hadoop，容量非常大，一般都以PB级为单位存储
Mysql存储数据依赖于所在的硬件设备
十一.HBase 数据存储，客户需要存储三个字段的数据（ID：：VALUE：：TIMESTAMP），为了满足统计需求，客户希望将100万个测试点的数据在Hbase中存储，每个测试点一年中每五分钟的数据作为一行存储，请确认这要定义存储格式是否合理，请给出最佳的解决方案
可以采用测试点作为rowkey，每5分钟的测试点数据作为列存储
十二.Hbase,hive和redis的区别
Hive基于MR程序，将HQL转换为MR执行。效率比较低，不适合实时数据访问
Hbase基于Hadoop数据存储，存储海量数据，而且拥有自己的查询操作
Redis适合做缓存。
十三.HBASE预分区（分区键&分区号）的作用及原理
作用： 防止数据热点以及数据倾斜 提高数据读写效率
博主推荐阅读: https://www.cnblogs.com/yinzhengjie2020/p/12914075.html
十四.Hbase的region划分，每次划分大小都一样吗
不是都一样大，涉及到middleKey查询。
十五.其它
Hbase构建二级索引如何保证索引与数据的一致？
浅谈一下HBASE的读写原理？
描述hbase的scan和get功能以及实现的异同？