HBase 面试题汇总
这一节，我们汇总 HBase 的高频面试题，帮你系统性地准备面试。
一、基础概念
Q1：HBase 的特点是什么？
参考答案：
| 特点 | 说明 |
|---|---|
| 海量存储 | PB 级数据，支持万亿行 |
| 高并发写入 | 顺序写入，100 万+/秒 |
| 随机读取 | 毫秒级响应 |
| 稀疏存储 | 空列不占空间 |
| 多版本 | 支持数据版本追溯 |
| 自动分区 | Region 自动分裂和迁移 |
Q2：HBase 和 HDFS 的区别是什么？
参考答案：
| 维度 | HBase | HDFS |
|---|---|---|
| 定位 | 随机读写 NoSQL | 批量处理文件系统 |
| 延迟 | 毫秒级 | 秒级 |
| 写入 | 实时写入 | 追加写入 |
| 读取 | 随机读取 | 顺序读取 |
| 一致性 | 强一致 | 最终一致 |
| 使用场景 | OLTP | OLAP |
Q3：HBase 数据模型的核心概念是什么？
参考答案：
| 概念 | 说明 |
|---|---|
| Table | 表 |
| RowKey | 行键，类似于主键 |
| Column Family | 列族，必须在表创建时定义 |
| Column Qualifier | 列限定符，列族下的列 |
| Cell | 单元格，RowKey + CF + CQ + Value |
| Timestamp | 版本号 |
二、架构
Q4：HBase 架构包含哪些组件？
参考答案：
| 组件 | 作用 |
|---|---|
| ZooKeeper | 元数据管理、Master 选举 |
| HMaster | 表管理、Region 调度 |
| RegionServer | 数据读写、MemStore、HFile |
| Region | 表的数据分片 |
| WAL | 预写日志，保证不丢失 |
| MemStore | 内存缓存，批量刷盘 |
| HFile | 磁盘存储格式 |
Q5：写入流程是什么？
参考答案：
写入流程：
1. Client 发送写入请求
2. 获取 Region 位置（从 Meta 表）
3. 写入 WAL（保证持久化）
4. 写入 MemStore（内存）
5. 返回成功
6. MemStore 达到阈值后 Flush 成 HFileQ6：读取流程是什么？
参考答案：
读取流程（先 MemStore，再 BlockCache，最后 HFile）：
1. 检查 BlockCache
2. 检查 MemStore
3. 扫描 HFile（根据 BloomFilter 加速）
4. 合并多版本数据
5. 返回结果三、RowKey 设计
Q7：RowKey 设计原则是什么？
参考答案：
| 原则 | 说明 |
|---|---|
| 散列 | 避免热点，使用哈希打散 |
| 唯一性 | 唯一标识一行数据 |
| 长度 | 建议不超过 16 字节 |
| 查询优先级 | 常用查询放前面 |
Q8：什么是热点问题？如何解决？
参考答案：
热点问题：连续的 RowKey 导致所有请求打到同一个 Region。
解决方案：
- 哈希打散：MD5(userId) + userId
- 盐值前缀：随机数 + 原始 RowKey
- 预分区：创建表时指定分裂点
四、存储
Q9：HFile 结构是什么？
参考答案：
HFile 结构：
├── Block Index（索引块）
├── Meta Index（元数据索引）
├── Data Blocks（数据块，64KB）
├── Meta Block（元数据块）
├── File Info（文件信息）
└── Trailer（固定大小）Q10：MemStore Flush 条件是什么？
参考答案：
| 条件 | 说明 |
|---|---|
| MemStore 大小 | 达到 Region 下限 × 0.95 |
| WAL 大小 | 超过阈值 |
| 定时触发 | 默认 1 小时 |
| 手动触发 | 用户命令 |
Q11：Compaction 有什么区别？
参考答案：
| 类型 | 合并范围 | 删除处理 | 建议 |
|---|---|---|---|
| Minor | 部分 HFile | 不删除 | 自动 |
| Major | 所有 HFile | 删除 | 手动触发 |
五、高级特性
Q12：Bloom Filter 的作用是什么？
参考答案：
- 快速判断某个 RowKey 是否存在某个 HFile 中
- 存在：可能存在（假阳性）
- 不存在：一定不存在（无假阴性）
- 节省磁盘 I/O
Q13：协处理器有哪些类型？
参考答案：
| 类型 | 触发时机 | 用途 |
|---|---|---|
| RegionObserver | Get/Put/Delete 前后 | 过滤、验证、修改 |
| MasterObserver | DDL 操作前后 | 审计、权限 |
| WALObserver | WAL 写入前后 | 备份 |
Q14：Snapshot 的原理是什么？
参考答案：
- 不复制数据，只记录 HFile 引用
- 快照创建快速（秒级）
- 恢复时通过引用重建数据
六、性能优化
Q15：如何优化写入性能？
参考答案：
- 批量写入：使用 BufferedMutator 或批量 Put
- 关闭 WAL：高吞吐场景可关闭（可能丢数据）
- 预分区：提前创建多个 Region
- 异步写入：使用异步客户端
Q16：如何优化读取性能？
参考答案：
- 热点 Key 缓存：使用 BlockCache
- Bloom Filter：跳过不存在的 HFile
- 只查必要列：
scan.addColumn() - 指定列族：
scan.addFamily()
七、集群运维
Q17：如何排查写入延迟高？
参考答案：
排查步骤：
1. 检查 RegionServer 负载
2. 检查 MemStore 大小
3. 检查 Compaction 状态
4. 检查热点 Region
5. 检查网络Q18：Region 迁移的原因有哪些？
参考答案：
- 手动触发均衡
- 节点下线
- 分裂后不平衡
- 负载过高
八、综合应用
Q19：如何设计一个消息系统？
参考答案：
RowKey 设计：
- 接收方 ID + 时间戳反转 + 发送方 ID
- 支持按接收方查询最新消息
- 支持分页
列族设计：
- meta：发送方、接收方、时间、已读状态
- content：消息内容
性能优化：
- 预分区避免热点
- BloomFilter 加速查询Q20：如何实现二级索引？
参考答案：
方案对比：
1. Phoenix 索引：简单，但需要 SQL 层
2. 协处理器索引：自动维护，高性能
3. 外部索引（ES）：支持复杂查询，需要同步
协处理器索引实现：
1. 创建索引表
2. 主表写入/删除时，同时维护索引表
3. 查询时先查索引表获取 RowKey，再查主表面试技巧
如何回答架构设计类问题？
- 先分析需求：数据量、QPS、查询模式
- 给出方案：RowKey 设计、表设计、索引
- 权衡取舍：性能 vs 复杂度
- 给出结论：推荐方案
如何回答性能优化类问题？
- 定位瓶颈：通过监控找出热点
- 分析原因：是热点？还是资源不足？
- 给出方案：具体可执行
- 验证效果：优化前后的数据对比
希望这份 HBase 面试题汇总能帮你更好地准备面试。