大数据开发岗面试复习30天冲刺 - 日积月累，每日五题【Day12】——Hbase6

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

本栏目大数据开发岗高频面试题主要出自大数据技术专栏的各个小专栏,由于个别笔记上传太早,排版杂乱,后面会进行原文美化、增加。

文章目录

• • 前言
    • 面试题 01、请简述LSM模型的设计思想
    • 面试题02、什么是Flush，什么时候会触发Flush？
    • 面试题03、什么是Compaction，什么时候会触发Compaction？
    • 面试题04、什么是Spit，什么时候会触发Split？
    • 面试题05、MapReduce读取Hbase数据的原理及返回值是什么？
    • 总结

停🤚
不要往下滑了，
默默想5min，
看看这5道面试题你都会吗？

面试题 01、请简述LSM模型的设计思想
面试题02、什么是Flush，什么时候会触发Flush？
面试题 03、什么是Compaction，什么时候会触发Compaction？
面试题04、什么是Spit，什么时候会触发Split？
面试题05、MapReduce读取Hbase数据的原理及返回值是什么？

以下答案仅供参考：

面试题 01、请简述LSM模型的设计思想

•step1：数据写入的时候，只写入内存
•step2：将数据在内存构建有序，当数据量大的时候，将有序的数据写入磁盘，变成一个有序的数据文件
•step3：基于所有有序的小文件进行合并，合并为一个整体有序的大文件

面试题02、什么是Flush，什么时候会触发Flush？

•Flush是指将memstore中的数据写入HDFS，变成StoreFile
•2.0之前：判断memstore存储大小，单个memstore达到128M就会触发Flush，或者整个memstore达到95%就会触发
•2.0之后：根据平均每个memstore的存储大小与16M取最大值计算水位线，高于水位线就Flush，不高于就不Flush，都不高于全部Flush

面试题03、什么是Compaction，什么时候会触发Compaction？

•Compaction的功能是将多个单独有序StoreFile文件进行合并，合并为整体有序的大文件并且删除过期数据，加快读取速度
•2.0之前：通过minor compaction和major compaction来实现
–minor compaction：用于合并最早生成的几个小文件，不清理过期数据
–major compaction：用于将所有storefile合并为一个StoreFile，并清理过期数据
•2.0之后：除了minor compaction和major compaction，添加了in-memory-compaction
–In-memory compaction：在内存中进行合并，合并以后的结果再进行flush，有四种配置
•none：不开启
•basic：开启，但是合并时不删除过期数据
•eager：开启，合并时并清理删除过期数据
•adaptive：开启，并在合并时根据数据量来自动判断是否清理过期数据

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

解视频，并且后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取