面试题答案
一键面试1. 设计合适的表结构
- RowKey 设计：将用户 ID 作为 RowKey。因为 HBase 基于 RowKey 进行排序和存储，以用户 ID 作为 RowKey 可以使得相同用户 ID 的数据在物理上相邻存储，极大提高按用户 ID 精确查询的效率。例如，如果用户 ID 是数字类型，保持其自然顺序即可；若为字符串类型，需考虑其编码方式，保证排序的合理性。
2. 配置 Region
- 预分区：根据用户 ID 的分布情况进行预分区。如果知道用户 ID 的大致范围和分布规律，可以提前创建多个 Region，每个 Region 负责一段用户 ID 范围。这样可以避免数据热点问题，使得查询负载均匀分布在各个 Region 服务器上。例如，若用户 ID 是从 1 到 10000 的连续数字，可以按照每 1000 个 ID 划分一个 Region。
- 合理设置 Region 大小：根据集群的硬件资源和预计的数据量，设置合适的 Region 大小。如果 Region 过小，会导致 Region 数量过多，增加管理开销；如果 Region 过大，会导致单个 Region 数据量过大，影响查询性能。一般来说，在中等规模集群下，每个 Region 大小可设置在 10 - 100GB 之间。
3. 缓存策略
- BlockCache：合理配置 BlockCache。BlockCache 用于缓存经常访问的数据块，对于按用户 ID 精确查询，如果查询频率较高，启用 BlockCache 可以显著提升性能。可以根据服务器内存情况，适当调整 BlockCache 占堆内存的比例。例如，对于内存较大的服务器，可以将 BlockCache 比例设置为堆内存的 40%左右。
- RowKey 缓存：可以在应用层维护一个 RowKey 到 RegionServer 的缓存。当进行按用户 ID 精确查询时，先从该缓存中获取用户 ID 所在的 RegionServer，直接定位到目标 RegionServer 进行查询，减少查询的网络开销和定位时间。
4. 优化查询语句
- Scan 设置：在使用 Scan 进行查询时，尽量缩小扫描范围。由于是按用户 ID 精确查询，可以将 Scan 的起始 RowKey 和结束 RowKey 设置为相同的用户 ID，这样只扫描包含目标用户 ID 的那一行数据，避免扫描无关数据，提高查询效率。
- 选择合适的过滤器：如果使用过滤器，选择高效的过滤器。例如，使用
SingleColumnValueFilter时，设置filterIfMissing为true，避免扫描不包含指定列的行，减少不必要的 I/O 操作。