HBase面试

宕机问题：

MapReduce读写HBase

HBase特点：

1.大：一个表可以有上亿行，上百万列

2.面向列：面向列表（蔟）的存储和权限控制，列（蔟）独立检索

3.稀疏：对于为空（NULL）的列，并不占用存储空间，因此，表可以设计非常稀疏

4.无模式：每一行都有一个可以排序的主键和任意多的列，列可以根据需要动态增加，同一张表中不同的行可以有截然不同的列

5.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，版本号就是单元格插入时的时间戳。

6.数据类型单一：HBase中的数据都是字节数组，没有类型。

ROWKEY

与NoSQL数据库一样，ROW KEY是用来检索记录的主键

访问 HBase table 中的行，只有三种方式：

* 直接通过单个RowKey
* 指定RowKey的范围
* 还可以指定跟RowKey有关的正则表达式去访问

最大长度是64KB，实际应用中长度一般为 10 ~ 100bytes

按照字典顺序存储的（1 11 111 1111 2 22 3 4 5......）

列蔟

属于表的Schema的一部分，在建表的时候必须指定至少一个Columns Family

HBase中的列归属于某一个列蔟

HBase在储存、权限控制、版本控制都是在列蔟层面上进行的

一个列蔟对应一个store

时间戳

就是一直提到的版本的概念，每条数据插入的时候都会记录插入时间（时间戳，64位整型）

如果有多个版本，会按照时间戳的倒序（时间戳越大，表示数据越新）储存数据，在获取的时候，如果不指定版本，那么会默认最新一条的数据

如果设置了TTL（Time to Live），那么HBase将会根据TTL以及数据的时间戳去删除过期的数据

Cell

Cell 是由 {row key，column(=< family> + < label>)，version} 唯一确定的单元。

Cell 中的数据是没有类型的，全部是字节码形式存储。

Region的分裂策略

region中存储的是一张表的数据，当region中的数据条数过多的时候，会直接影响查询效率。当region过大的时候，region会被拆分为两个region，HMaster会将分裂的region分配到不同的regionserver上，这样可以让请求分散到不同的RegionServer上，已达到负载均衡 , 这也是Hbase的一个优点。