Hbase知识点

1. Hbase的特性：容量巨大、面向列、稀疏性、扩展性，高可靠性、高性能
2. Hbase的优势：高可靠性，高性能，面向列 可伸缩的分布式数据库，利用hbase可以在廉价pc上搭建起大规模结构化数据集群。
3. Hbase的核心功能模块：
4. Client：这个Hbase系统的入口，直接通过客户端操作hbase，使用RPC协议与Hmaster(管理类操作)和RegionServer（数据写读类操作）进行通信
5. 协调服务模块ZooKeeper，负责管理Hbase中多Hmaster的选举、服务器之间状态同步等，储存所有region的寻址入口，保证hbase集群中只有一个Hmaster节点
6. Hmaster主要的职责是什么？答：主要负责Table和Region的管理工作，管理用户对Table的增删改查操作，管理regionserver的负载均衡，调整region分布；在region分裂后，负责新region的分配；在regionserver宕机后，负责失效regionserver上的region的迁移工作
7. hbase使用场景（最好知道几个例子：淘宝，搜狐等等）：储存大量的数据且能保证良好的随机访问性能，需要很高的写吞吐量，瞬间写入量很大，可以动态扩展整个存储系统容量，数据格式无限制，业务场景简单
8. 为什么在Hbase的RegionServer上会发生 切表这一动作？答：Hbase中每张表的大小可能是TB级，甚至是pb级的；一台物理机上是不可能存储整张表，因此表会切分成小一点的数据单位，然后分配到多台服务器上
9. Hmaster为什么没有单点问题？答：Hbase 中可以启动多个Hmaster，通过Zookeeper中的Master Election机制保证总会有一个master在运行
10. ZooKeeper在整个框架中的定位。答：一种集中服务，用来维护配置信息、命名 服务、提供分布式同步和提供分组服务；负责管理Hbase中多Hmaster的选举、服务器之间状态同步等，储存所有region的寻址入口，保证hbase集群中只有一个Hmaster节点。
11. 请描述Hregion的负载均衡过程。答：HBase使用RowKey将表水平切割成多个 Hregion，每个HRegion都纪录了它的StartKey和 EndKey，Client可以通过HMaster快速的定位每个 RowKey在哪个HRegion中，HRegion由HMaster分配到相应在HRegion Split后，两个新的HRegion 最初会和之前的父HRegion在相同的 HRegionServer上，出于负载均衡的考虑，HMaster可能会将 其中的一个甚至两个重新分配的其他的 HRegionServer中，此时会引起有些HRegionServer处理的数 据在其他节点上 ，直到下一次Major Compaction将数据从 远端的节点移动到本地节点。这就是Hregion的负载均衡。
12. Hstore由哪些部分组成？各个部分主要负 责哪些工作？答：两部分组成，一部分是MemStore，一部 分是StoreFiles；*MemStore是Sorted Memory Buffer， 内存里的写入缓冲区，用户写入的数据首 先会放入MemStore； 当某一个region的MemStore大小达到一 定的阀值时，hbase就会阻塞更新；当MemStore满了以后会Flush成一个 StoreFile（底层实现是HFile）存储到磁盘 上；*StoreFile以HFile格式保存在HDFS上；用于存储Hbase的数据；当StoreFile文件数量增长到一定阈值，会 触发Compact操作，将多个StoreFiles合 并成一个StoreFile； 压缩过程中会进行版本合并和数据删除； 因此可以看出HBase其实只有增加数据， 所有的更新和删除操作都是在后续的 compact过程中进行的； • 这使得用户的写操作只要进入内存中就可 以立即返回，保证了HBase I/O的高性能。
13. WAL是什么？作用是什么？答：预写式日志，记录所有更新操作； • 一个region server包括Hlog日志和存放实 际数据的Store； • 用于灾难恢复
14. 请描述RegionSever的读写流程。答：RegionServer的写流程 • 当客户端发起一个Put请求时，首先它从 hbase:meta表中查出该Put数据最终需要 去的HRegionServer。 • 然后客户端将Put请求发送给相应的 HRegionServer，在HRegionServer中 它首先会将该Put操作写入WAL日志文件中 (Flush到磁盘 • 写完WAL日志文件后，HRegionServer根 据Put中的TableName和RowKey找到对 应的HRegion，并根据Column Family找 到对应的HStore，并将Put写入到该 HStore的MemStore中。 • 此时写成功，并返回通知客户端。RegionServer的读流程 • 分析一下相同的Cell可能存在的位置 • 首先对新写入的Cell，它会存在于 MemStore中； • 然后对之前已经Flush到HDFS中的Cell， 它会存在于某个或某些StoreFile(HFile)中； • 最后，对刚读取过的Cell，它可能存在于 BlockCache中。 • 既然相同的Cell可能存储在三个地方，在读 取的时候只需要扫瞄这三个地方，然后将 结果合并即可(Merge Read)， • 在HBase中扫瞄的顺序依次是： BlockCache、MemStore、 StoreFile(HFile)。 • 其中StoreFile的扫瞄先会使用Bloom Filter过滤那些不可能符合条件的HFile， • 然后使用Block Index快速定位Cell，并将 其加载到BlockCache中，然后从 BlockCache中读取。 • 一个HStore可能存在多个 StoreFile(HFile)，此时需要扫瞄多个 HFile，如果HFile过多又是会引起性能问题。
15. Compaction方式有几种？每一种应用的场 景是什么？答：在HBase中Compaction分为两种：Minor Compaction和Major Compaction。 • Minor Compaction是指选取一些小的、 相邻的StoreFile将他们合并成一个更大的 StoreFile，在这个过程中不会处理已经 Deleted或Expired的Cell。 • Major Compaction是指将所有的 StoreFile合并成一个StoreFile • 在这个过程中，标记为Deleted的Cell会被 删除 • 而那些已经Expired的Cell会被丢弃 • 那些已经超过最多版本数的Cell会被丢弃 • 一次Major Compaction的结果是一个 HStore只有一个StoreFile存在 • Major Compaction可以手动或自动触发 • 由于它会引起很多的IO操作而引起性能问 题 • 因而它一般会被安排在周末、凌晨等集群 比较闲的时间。
16. 请解释Hbase与Hadoop是如何协同工作的。（不知道标准答案）答：HBase是一个分布式的、面向列的开源数据库.HBase是Apache的Hadoop项目的子项目
17. Hbase中对Join的支持是如何做到的？把另一张表的关键字加入表中列族，加入二级索引
18. 请说出几种RowKey散列的方法：加入随机数，反转倒序，取模，哈希值
19. 为什么Hbase不能处理好两个或者三个以 上的列族？答：由于Hbase的物理因素，内存memstore在做flash操作后会生成针对列族的Hfile文件，当各个Hfile数据量大小差异过大时会做出“合并”操作，而此操作是在region上完成的，region又是用户承载着数据操作，因此影响性能，所以过多的列族是Hbase不能处理的。