HBase 高频面试题及实战答案.docxVIP

HBase高频面试题及实战答案

一、基础概念类

什么是HBase？它和关系型数据库（MySQL）的核心区别是什么？

答案：HBase是基于Hadoop的分布式列存储数据库，主打高可靠性、高扩展性，适合存储海量半结构化/非结构化数据（PB级）。核心区别：①存储模型：HBase列存储（按列族存储，查询时只加载需要列），MySQL行存储；②事务支持：MySQL强事务（ACID），HBase仅支持单行事务；③schema：MySQL固定schema，HBase松散schema（列族固定，列可动态增减）；④场景：MySQL适合结构化查询、事务场景，HBase适合高并发写入、海量数据随机读取（如日志存储、用户画像）。

HBase的核心组件有哪些？各自作用是什么？

答案：①HMaster：集群主节点，负责管理Table（创建/删除/分区）、RegionServer负载均衡、故障恢复（Region迁移）；②RegionServer：从节点，负责存储和管理Region（Table的分区），处理客户端的读写请求；③Region：Table的最小分区单位，一个Region包含某段RowKey范围的数据，由多个Store组成；④Store：对应一个列族，包含MemStore（内存缓存）和HFile（磁盘存储文件）；⑤ZooKeeper：协调集群，存储HBase元数据（如Master地址、Region位置），实现Master高可用。

RowKey、列族、列限定符、时间戳的作用分别是什么？

答案：①RowKey：行标识，唯一标识一行数据，按字典序排序，是HBase查询的核心（必须通过RowKey或RowKey范围查询）；②列族（ColumnFamily）：列的集合，是HBase的存储单位（同一列族数据存在同一目录），设计时需提前规划（不宜过多，一般1-3个）；③列限定符（ColumnQualifier）：列族下的具体列，可动态添加（无需预定义）；④时间戳：数据版本号，默认写入时自动生成，支持多版本数据存储（可通过配置保留版本数）。

二、核心架构与原理类

HBase的读写流程分别是什么？

答案：①读流程：客户端先查ZooKeeper获取hbase:meta表的RegionServer→查hbase:meta表，得到目标RowKey对应的Region和RegionServer→直接向该RegionServer发起查询→RegionServer先查MemStore，未命中则查BlockCache（HFile缓存），再未命中则读HFile文件→合并结果返回客户端；②写流程：客户端通过ZooKeeper找到目标RegionServer→数据先写入WAL（Write-AheadLog，防止RegionServer宕机数据丢失）→再写入MemStore→当MemStore达到阈值（默认128MB），异步刷写到HFile→客户端收到写入成功响应（无需等待刷盘）。

WAL的作用是什么？如果WAL损坏会怎样？

答案：WAL是预写日志，核心作用是“故障恢复”：RegionServer写入数据时，先写WAL再写MemStore，若RegionServer突然宕机，MemStore中未刷盘的数据可通过WAL恢复。如果WAL损坏，未刷盘的MemStore数据会永久丢失，可能导致数据不一致；解决方式：开启WAL副本（hbase.wal.replication.enabled）、定期备份WAL文件。

Region分裂和合并的触发条件及目的是什么？

答案：①Region分裂：触发条件——MemStore刷写后HFile数量过多（默认32个），或Region大小达到阈值（默认10GB）；目的——避免单个Region过大导致查询/写入性能下降，实现负载均衡；分裂方式：默认按RowKey中间值分裂（预分区可自定义分裂点）；②Region合并：触发条件——手动执行merge命令，或HBase后台线程检测到小Region过多（默认小于1GB）；目的——减少Region数量，降低RegionServer管理开销，避免小Region过多导致的资源浪费。

HBase的预分区有什么作用？如何设计预分区？

答案：作用：①避免Region热点（单个Region承担所有读写）；②减少Region分裂次数（初始就分配合理分区）；③均衡