面试题答案
一键面试执行频率
- Minor Compaction：执行较为频繁。它主要是将一些较小的、相邻的StoreFile合并成一个较大的StoreFile。因为小文件过多会影响读取性能，所以Minor Compaction会相对经常地进行，以优化读取性能。
- Major Compaction：执行频率较低。通常是按照配置的周期（如默认7天）执行，或者手动触发。它会将一个Store下的所有StoreFile合并成一个大的StoreFile。
涉及的数据范围
- Minor Compaction：只涉及部分StoreFile，一般是选择一些相邻的、尺寸较小的StoreFile进行合并。它不会处理所有的文件，因此处理的数据量相对较少。
- Major Compaction：涉及一个Store下的全部StoreFile。所有历史版本的数据都会参与合并，这意味着它处理的数据范围涵盖了该Store的所有数据，数据量巨大。
对系统性能的影响
- Minor Compaction：由于处理的数据量相对较小，对系统性能的影响相对较轻。在合并过程中，虽然也会占用一定的I/O和CPU资源，但通常不会对系统整体性能造成严重影响。一般情况下，系统仍能保持正常的读写服务。
- Major Compaction：因其涉及全部数据的合并，对系统性能影响较大。在执行过程中，会大量占用I/O资源，因为需要读取和写入大量数据。同时，也会占用较多CPU资源用于数据的处理和合并。这期间可能会导致系统读写性能明显下降，甚至影响到整个集群的稳定性。
对HBase数据一致性和存储结构优化的作用
- Minor Compaction：在数据一致性方面，它可以减少由于小文件过多导致的读取时多次I/O操作带来的数据不一致风险。在存储结构优化上，通过合并小文件，减少文件数量，提高读取效率，优化了存储布局，使得数据在物理存储上更加紧凑。
- Major Compaction：对于数据一致性，它能彻底清理过期数据、删除标记等，确保数据的一致性。在存储结构优化方面，将所有StoreFile合并为一个，极大地简化了存储结构，进一步提高读取性能，减少文件索引和管理开销，优化了整体存储布局。
联系
- Minor Compaction和Major Compaction都是HBase中用于优化存储结构和提高读写性能的重要机制。它们都通过合并StoreFile来实现这一目的。Minor Compaction可以看作是一种较为轻量级、频繁执行的优化操作，而Major Compaction则是一种全面、但执行频率较低的深度优化操作。两者相互配合，共同维持HBase的数据一致性和高效的存储与读写性能。