HBase面试题常见问题排查手册

HBase 面试题常见问题排查手册

面向后端、大数据开发面试，分为：基础概念、读写原理、架构、RowKey 设计、预分区、版本与删除、集群运维、线上故障排查、对比题、高频手写题。每个问题附带【标准答案】+【面试加分点】，适合背诵 + 排查线上问题。

一、基础概念类

1. HBase 是什么?特点?

答：HBase 是 Hadoop 生态下，基于 HDFS 的分布式、面向列、有序的 NoSQL 数据库，来源于 Google Bigtable 论文。特点：

海量存储，支持 PB 级;

稀疏，空列不占存储空间;

面向列簇(ColumnFamily)，不是面向列;

强有序：RowKey 字典序排序;

高吞吐随机读写;

支持多版本;

不支持二级索引(原生)、不支持复杂 SQL(Phoenix 是补充);

高可用。

加分：CAP 上属于 CP，优先保证一致性和分区容错，牺牲部分可用性。

2. HBase 和 HDFS 的区别

答

HDFS：分布式文件系统，适合大文件顺序读写，不支持随机单行查询，高延迟;

HBase：数据库，构建在 HDFS 之上;负责结构化数据、随机单行 / 范围查询;数据最终落地 HDFS 存 HFile。

3. HBase 和 MySQL 的区别

MySQL：关系型，行存储，支持事务、JOIN、二级索引;适合 OLTP，数据量千万级为主;

HBase：列簇存储，无事务(单行事务)，原生无二级索引;适合海量数据、高并发写入、范围扫描，OLAP / 时序、画像、日志场景。加分：HBase 只有行原子性，多行不支持事务。

4. 列簇(ColumnFamily)理解，列簇设计原则

答：HBase 表由多个列簇组成，一个列簇下可以无限多 Qualifier(列)。同一列簇的数据存在一起，HFile 按列簇分离。设计原则：

列簇数量越少越好，一般 1~2 个，不建议超过 3 个;

访问模式相近的放同一个列簇;

列簇下列不要频繁变动;

不同列簇独立配置：版本数、TTL、压缩、块缓存。

面试坑：不要说 “面向列存储 = 一列一个文件”，是列簇。

二、架构核心(面试重中之重)

5. HBase 架构组件：Master、RegionServer、Zookeeper、HDFS 各自作用

Zookeeper(核心协调)

保存 meta 表位置(hbase:meta);

Master 故障转移(Active Master 选举);

RegionServer 注册、心跳、监控 RS 存活;

存储集群元信息、表锁。

HMaster

表 DDL：建表、删表、修改列簇;

Region 分配、负载均衡、Region 迁移;

故障转移：RS 宕机后，把它的 Region 重新分配给其他 RS;

不参与读写，读写不走 Master。

RegionServer(RS)：真正负责读写的服务

管理多个 Region;

写：WAL 预写日志 + MemStore;

读：MemStore + BlockCache + HFile;

触发 Flush、Compact、Split;

HDFS：持久化 HFile、WAL 日志。

加分：读写流程不经过 Master，Master 只做管理，这是高吞吐关键。

6. Region 是什么?

Region 是 HBase 表的分片，一张表按 RowKey 范围切分成多个 Region;一个 Region 只属于一个 RS;一个 RS 管理多个 Region。 Region 由：一个 Store(每个列簇一个 Store)，Store 由 MemStore + 多个 HFile。

7. WAL 预写日志作用

答：写入先写 WAL，再写 MemStore。作用：宕机恢复。RS 崩溃时，MemStore 数据还没 Flush 成 HFile，从 WAL 回放数据恢复。可选关闭 WAL(setDurability(SkipWal))，代价：宕机丢数据，一般用于可以重推的日志采集场景。

8. 写流程(标准面试口述版)

Client 先连 ZK，查 hbase:meta，找到该 RowKey 所在 Region、对应 RS;

Client 直接和 RS 通信;

先写 WAL(预写日志);

写入 MemStore(内存排序);

返回客户端成功;

MemStore 达到阈值，触发 Flush，生成 HFile 写入 HDFS。

关键点：写是追加，不修改 HFile，更新和删除都是打标记。

9. 读流程

查 meta 表定位 Region;

读顺序：先查 MemStore → 再查 BlockCache(读缓存)→ 最后读磁盘 HFile;

HFile 按 RowKey 有序，内部有索引，快速定位;

多版本合并，按版本、删除标记过滤，返回最新有效版本。

10. Flush、Split、Compact 分别是什么，触发条件

Flush：MemStore 内存满(默认 128M)→ 刷成 HFile;防止内存无限上涨。

Split：单个 Region 大小超过阈值(默认 10G)，分裂成两个 Region，负载分散。

Compact 合并：把同一个 Store 下多个小 HFile 合并成大 HFile;清理删除标记、过期版本。

Minor Compaction：选部分 HFile 合并;

Major Compaction：合并全部 HFile，清理墓碑，IO 风暴风险很大，生产一般手动低峰执行。

高频踩坑：Major Compaction 容易打爆集群 IO，生产严禁自动 Major。