鎖屏面試題百日百刷,每個工作日堅持更新面試題。請看到最後就能獲取你想要的,接下來的是今日的面試題: 1.Hbase中的memstore是用來做什麼的? hbase為了保證隨機讀取的性能,所以hfile裡面的rowkey是有序的。當客戶端的請求在到達regionserver之後,為了保證寫入rowke ...
鎖屏面試題百日百刷,每個工作日堅持更新面試題。請看到最後就能獲取你想要的,接下來的是今日的面試題:
1.Hbase中的memstore是用來做什麼的?
hbase為了保證隨機讀取的性能,所以hfile裡面的rowkey是有序的。當客戶端的請求在到達regionserver之後,為了保證寫入rowkey的有序性,所以不能將數據立刻寫入到hfile中,而是將每個變更操作保存在記憶體中,也就是memstore中。memstore能夠很方便的支持操作的隨機插入,並保證所有的操作在記憶體中是有序的。當memstore達到一定的量之後,會將memstore裡面的數據flush到hfile中,這樣能充分利用hadoop寫入大文件的性能優勢,提高寫入性能。
由於memstore是存放在記憶體中,如果regionserver因為某種原因死了,會導致記憶體中數據丟失。所有為了保證數據不丟失,hbase將更新操作在寫入memstore之前會寫入到一個write ahead log(WAL)中。WAL文件是追加、順序寫入的,WAL每個regionserver只有一個,同一個regionserver上所有region寫入同一個的WAL文件。這樣當某個regionserver失敗時,可以通過WAL文件,將所有的操作順序重新載入到memstore中。
2.HBase在進行模型設計時重點在什麼地方?一張表中定義多少個Column Family最合適?為什麼?
Column Family的個數具體看表的數據,一般來說劃分標準是根據數據訪問頻度,如一張表裡有些列訪問相對頻繁,而另一些列訪問很少,這時可以把這張表劃分成兩個列族,分開存儲,提高訪問效率。
整體來說, 通常建議越少越好, 太多的列族會影響我們整個hbase的讀寫效率,導致讀取一行數據需要跨越更多的列族(底層跨越更多的記憶體頁和文件)
3.如何提高HBase客戶端的讀寫性能?請舉例說明
1 開啟bloomfilter過濾器,開啟bloomfilter比沒開啟要快3、4倍
2 Hbase對於記憶體有特別的需求,在硬體允許的情況下配足夠多的記憶體給它
3 通過修改hbase-env.sh中的export HBASE_HEAPSIZE=3000 #這裡預設為1000m
4 增大RPC數量通過修改hbase-site.xml中的hbase.regionserver.handler.count屬性,可以適當的放大RPC數量,預設值為10有點小。
4.HBase集群安裝註意事項?
① HBase需要HDFS的支持,因此安裝HBase前確保Hadoop集群安裝完成;
② HBase需要ZooKeeper集群的支持,因此安裝HBase前確保ZooKeeper集群安裝完成;
③ 註意HBase與Hadoop的版本相容性;
④ 註意hbase-env.sh配置文件和hbase-site.xml配置文件的正確配置;
⑤ 註意regionservers配置文件的修改;
5 註意集群中的各個節點的時間必須同步,否則啟動HBase集群將會報錯;
5.請描述如何解決HBase中region太小和region太大帶來的衝突?
Region過大會發生多次compaction,將數據讀一遍並重寫一遍到hdfs 上,占用io,region過小會造成多次split,region 會下線,影響訪問服務,最佳的解決方法是調整hbase.hregion. max.filesize 為256m。
6.Hbase是怎麼進行預分區操作?
解: 在Hbase中主要有二種預分區方案, 一種為手動預分區, 一種為自動預分區, 手動預分區指的是我們在建表的時候, 通過命令或者的API進行預分區操作, 在手動分區下, 我們可以自定義分區, 也可以基於hbase提供的分區演算法來實現, 分區後, 多個region會被master分配到不同的regionServer上進行管理, 從而保證負載均衡. 而自動預分區則指的是, 隨著我們表中數據越來越多 當表中數據, 也就是region中數據達到一定的閾值後, 會自動進行分區, 閾值的多少取決於下麵的這個公式來計算:
全部內容在[git](https://gitee.com/zjlalaforgit/interview)上,瞭解更多請點我頭像或到我的主頁去獲得,謝謝