HBase面试题

Hbase 是什么？

Hbase 一个分布式的基于列式存储的数据库,基于 Hadoop 的 hdfs 存储，zookeeper 进行管理。 Hbase 适合存储半结构化或非结构化数据，对于数据结构字段不够确定或者杂乱无章很难按 一个概念去抽取的数据。 Hbase 为 null 的记录不会被存储. 基于的表包含 rowkey，时间戳，和列族。新写入数据时，时间戳更新，同时可以查询到以 前的版本. hbase 是主从架构。hmaster 作为主节点，hregionserver 作为从节点。

HBase 的特点是什么？

大：一个表可以有数十亿行，上百万列； 无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表 中不同的行可以有截然不同的列； 面向列：面向列（族）的存储和权限控制，列（族）独立检索； 稀疏：空（null）列并不占用存储空间，表可以设计的非常稀疏； 数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插 入时的时间戳； 数据类型单一：Hbase 中的数据都是字符串，没有类型。

HBase 适用于怎样的情景？

半结构化或非结构化数据、记录非常稀疏、多版本数据、超大数据量，以上情况适用于 HBase

描述 HBase 的 rowKey 的设计原则？

Rowkey 长度原则 Rowkey 是一个二进制码流，Rowkey 的长度被很多开发者建议说设计在 10~100 个 字节，不过建议是越短越好，不要超过 16 个字节。 原因如下：

（1）数据的持久化文件 HFile 中是按照 KeyValue 存储的，如果 Rowkey 过长比如 100 个字节，1000 万列数据光 Rowkey 就要占用 100*1000 万=10 亿个字节，将近 1G 数 据，这会极大影响 HFile 的存储效率；

（2）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 会降低，系统将无法缓存更多的数据，这会降低检索效率。因此 Rowkey 的字节长度越短 越好。

（3）目前操作系统是都是 64 位系统，内存 8 字节对齐。控制在 16 个字节，8 字 节的整数倍利用操作系统的最佳特性。 Rowkey 散列原则 如果 Rowkey 是按时间戳的方式递增，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，由程序循环生成，低位放时间字段，这样将提高数据均衡分 布在每个 Regionserver 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162 将产生所有新数据都在一个 RegionServer 上堆积的热点现象，这样在做数据检索的时候负 载将会集中在个别 RegionServer，降低查询效率。 Rowkey 唯一原则 必须在设计上保证其唯一性。