HBase简答题(持续更新)

1.HBase的基本介绍

a.Hbase是建立在hdfs之上的一个数据库， b.不支持join等SQL复杂操作 c.支持的数据类型：byte[]， d.依靠横向扩展，一个表可以有上十亿行，上百万列。 e.面向列(族)的存储和权限控制 f.对于为空(null)的列，并不占用存储空间，是一个稀疏表。

2.HBASE的适用场景

海量数据、精确查询、快速返回 海量数据：指的是数据量的背景 精确查询：业务场景 快速返回：是业务对时效性的要求

3.Hbase和HDFS之间的关系

HDFS： 海量数据存储，适合一次性扫描大量数据。 适合一次写入多次读取 不适合频繁更新的数据

HBase： 适用一次扫描少量数据。 适合多次写入多次读取 支持数据更新 支持删除数据

4.Hbase与RDBMS的关系

RDBM: 支持SQL查询 支持事务 支持Join

HBASE: 不支持SQL查询 不支持事务 不支持Join

5. Hbase详细架构

Client: 访问数据的入口，包含访问hbase的API接口,维护着一些cache来加快对hbase的访问

Zookeeper: 1.zookeeper的选举机制保证任何时候，集群中只有一个master 2.实时监控Region Server的状态，将Region server的上线和下线信息实时通知给Master 3.存储Hbase的schema 4 存贮所有Region的寻址入口

Master: 1.为Region server分配region 2.负责region server的负载均衡 3.发现失效的region server并重新分配其上的region 4.处理schema（元数据）更新请求 说明：Hmaster短时间下线，hbase集群依然可用，长时间不行。 Region server: 1.Region server维护Master分配给它的region，处理对这些region的IO请求 2.Region server负责切分在运行过程中变得过大的region

6. Row Key

最大长度是 64KB，完全可以自行设计。Hbase会对表中的数据按照rowkey排序（字典序）

7.列族Column Family

列族是表的schema的一部分，而列不是。（schema包含表名和列族） 每个列都所属于某一个列族。一个列族可以包含多个列。一个列族与列的关系是一对多。

8.时间戳

标记一个数据的不同版本，时间戳可以由hbase(在数据写入时自动 )赋值，hbase支持工程师自己定义时间戳。每个 cell中，不同版本的数据按照时间倒序排序

9.hbase本身提供数据回收机制

1．保存数据的最后n个版本 2．保存最近一段时间内的版本

10. Cell

存储数据的最小单位，由{row key, column( = + ), version} 唯一确定的单,确定一个精确的数据

11.VersionNum

数据的版本号，默认值为系统时间戳。

12. hbase物理存储

1.一个regionserver内部可以有多个region,这多个region可能来自多个表或一个表。一个region只能属于一个 regionserver. 2.一个regionserver只有一个HLog 3.一个region里面可以有多个store 4.一个store里面只有一个memstore

13.region的切分

region按大小分割的(默认10G)。每个表一开始只有一个region，随着数据的增加，一个region逐渐变大，达到 10G，进行分裂，等分成两个region.

14. Memstore与storefile

一个region由多个store组成，每个store包含一个列族的所有数据 Store包括位于内存的memstore和位于硬盘的 storefile 客户端检索数据时，先在memstore找，找不到再找storefile

15.HLog(WAL log)

每个Region Server维护一个Hlog,而不是每个Region一个.

Hlog的切分机制 1.当数据写入hlog以后，hbase发生异常。关闭当前的hlog文件 2.当日志的大小达到HDFS数据块的0.95倍的时候，关闭当前日志，生成新的日志 3.每隔一小时生成一个新的日志文件

16.读请求过程

meta表是hbase系统自带的一个表。里面存储了hbase用户表的元信息。 元信息为meta表内记录一行数据是用户表一个region的start key 到endkey的范围。 meta表存储在regionserver里。 具体存储在哪个regionserver里？zookeeper知道。

过程: 1.客户端到zookeeper询问meta表在哪 2.客户端到meta所在的节点（regionserver）读取meta表的数据 3.客户端找到region 获取region和regionserver的对应关系，直接到regionserver读取region数据

17.HBase的特征：

1、 海量存储 Hbase适合存储PB级别的海量数据，在几十到百毫秒内返回数据。 2、列式存储 这里的列式存储其实说的是列族存储，列族理论上可以很多，但实际上建议不要超过6个 3、 极易扩展 处理能力（RegionServer）的扩展，个是基于存储的扩展（HDFS） hbase在最初设计的时候就考虑了扩展性。 4、高并发 这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多 5、稀疏 在列数据为空的情况下，是不会占用存储空间的。