大数据面试（hbase）

1.hbase为什么要预分区？

如果创建表的时候没有做预分区，默认一个表就是一个region，一个region分裂之后变成两个region，两个region还是在同一台机器上。

为了解决数据倾斜问题，在创建表指定hbase表多个region分区规则，让数据负载在多台服务器上面。实现数据负载均衡，提高读写效率。

2.hbase创建预分区的几种方式？

1）命令行手动指定预分区，rowkey的范围负载多台服务器。

2）命令行，使用16进制算法生成预分区，rowkey按照字典排序。

3）java API方式创建预分区。

3.hbase中数据查询方式？

1）get rowkey  直接根据rowkey获取某一条数据。

2）scan startRow stopRow  根据rowkey的范围扫描。

3）scan tableName  全表扫描。

4.hbase中rowkey的创建原则？

结合业务主要对rowkey均匀负载和长度限制。

1）rowkey不能太长。10-100字节。

2）rowkey均匀散列，在高位随机生成一些数字均匀落在不同region服务器中，实现负载均衡。

5.hbase中二级索引是什么？

将业务上经常需要查询的数据存储到es中，先查询es中数据，详情再去查询hbase数据，以空间换时间。

6.行式存储和列式存储的区别？

1）行式：mysql，oracle

                同一行数据放在同一个block块里面，数据写入快，适合查询全属性字段。

2）列式：hbase

                同一列数据放在同一个block块里面，每一列数据单独存放，适合查询某几列数据，大量降低系统IO。

7.nosql与关系型数据库的区别？

1）存储格式。nosql存储格式是key，value形式。

2）查询速度。nosql更快。

3）成本。hbase，mongodb开源。oracle收费。

4）查询方式。nosql不能使用复杂的join查询。

8.hbase如何优化？

1）JVM优化，设置多个线程进行垃圾回收。

2）延迟高的数据操作的等待时间，延长超时时间。

3）优化datanode允许最大文件打开数，hbase一般会同一时间操作大量文件。