面试题：复杂业务场景下HBase模式定义对数据存储扩展性与一致性的权衡

Question

在一个具有高并发读写且数据量持续增长的复杂业务场景中，例如社交平台的用户活动记录存储。既要保证数据存储的扩展性以应对不断增加的数据量，又要兼顾数据的一致性。请从HBase模式定义（包括表结构、预分区、副本设置等方面）出发，阐述如何进行设计以及在实际操作中如何权衡扩展性与一致性之间的关系。

Answer 1

1. HBase模式定义

表结构设计

• 行键设计：在社交平台用户活动记录场景下，行键可采用 “用户ID + 时间戳（倒序）” 的组合方式。例如，若用户ID为 12345，活动时间为 2024 - 01 - 01 12:00:00，可转化为倒序时间戳如 20240101120000，行键即为 12345_20240101120000。这样设计能让同一用户的活动记录在物理上相邻存储，方便按用户维度查询；同时倒序时间戳使得最新的活动记录排在前面，便于快速获取最新数据。
• 列族设计：可分为基本信息列族和详细内容列族。基本信息列族存储活动类型、活动简要描述等常用信息，详细内容列族存储活动的详细日志、图片链接等非频繁访问的信息。例如，基本信息列族可命名为 basic_info，列 type 记录活动类型（如 “点赞”“评论”）；详细内容列族命名为 detail_info，列 log 记录活动详细日志。

预分区设计

• 确定分区键：基于行键设计，可选取时间戳部分作为分区键。例如，按月份进行分区，将时间戳格式化为 YYYYMM，每个月的数据划分到一个分区。
• 计算分区点：假设数据起始时间为 202401，可根据业务增长预估未来几个月的数据量，计算出每个分区的边界值。如第一个分区点为 202402，第二个分区点为 202403 等。通过HBase的 create 命令指定分区点创建预分区表，如 create 'user_activity_table', 'basic_info', 'detail_info', SPLITS => ['202402', '202403']。这样能避免数据热点问题，使数据均匀分布在不同RegionServer上，提升读写性能。

副本设置

• 设置副本数：一般设置副本数为3。HBase通过HDFS存储数据，HDFS默认副本数为3。设置HBase表的副本数为3，可确保数据在不同节点存储，提高数据的可用性和容错性。在HBase表创建时，可通过 CONFIGURATION => {'hbase.hstore.blockingStoreFiles' => '3'} 来设置副本数（不同版本设置方式可能略有差异）。

2. 扩展性与一致性权衡

• 扩展性方面：通过合理的预分区设计，数据能均匀分布在不同RegionServer上，随着数据量增长，只需增加RegionServer节点即可扩展存储容量和读写性能。同时，列族设计使得不同类型数据分开存储，便于按需扩展存储资源。例如，若详细内容数据量增长快，可针对性地为存储详细内容列族数据的节点增加存储设备。
• 一致性方面：HBase通过WAL（Write - Ahead Log）保证数据写入一致性。每次写入操作先写入WAL，再写入MemStore，MemStore达到阈值后刷写到磁盘成为StoreFile。在副本设置上，副本之间通过同步机制保证数据一致性。但这也带来一定性能开销，为了平衡扩展性与一致性，可在高并发写入场景下，适当放宽一致性要求，如采用异步复制方式同步副本数据。但这样可能会出现短暂的数据不一致情况，需根据业务场景评估可接受的不一致时间窗口。在读取数据时，可通过设置 READ_POLICY 来选择合适的读取策略，如选择从主副本读取以保证强一致性，或从任意副本读取以提高读取性能但可能读到较旧数据。