面试题答案
一键面试1. 调整相关参数
- hbase.hstore.compaction.min：该参数定义了一次小型合并（minor compaction）至少需要的HFile数量。对于写入频繁且读响应时间要求高的场景，可适当降低此值，比如设为2。这样可以更频繁地进行小型合并，减少小文件数量，从而在读操作时减少需要检索的文件数量，提高读性能。在底层，小型合并会将满足条件数量的小HFile合并成一个较大的HFile，减少文件碎片化，提升读操作时的文件检索效率。
- hbase.hstore.compaction.max：此参数设定了一次小型合并最多允许的HFile数量。不宜设置过大，防止在小型合并时耗费过多资源，影响正常读写操作。可以设置为5 - 10，确保小型合并不会因涉及过多文件而导致性能问题。底层执行时，控制了一次合并处理的文件上限，避免资源过度消耗。
- hbase.hstore.compaction.ratio：表示触发小型合并的比率。即当HStore中的HFile数量达到
hbase.hstore.compaction.min且新写入的HFile大小总和与最小HFile大小的比值超过此参数时，触发小型合并。对于该场景，可适当降低此值，如设为1.2 - 1.5，让小型合并更易触发，及时处理小文件，提升读性能。底层逻辑是基于文件大小和数量的判断来决定是否启动小型合并操作。
2. 选择合适的Compaction类型
- 小型合并（Minor Compaction）：小型合并是处理少量HFile的合并操作，主要作用是清理删除、过期的数据以及减少小文件数量。由于读操作对响应时间要求极高，频繁的小型合并能有效减少读操作时需要遍历的文件数量，加快数据检索速度。在底层，小型合并将多个小HFile合并成一个大HFile，同时会保留一些较新、较大的HFile不参与合并，以避免过度合并带来的性能开销。
- 大型合并（Major Compaction）：大型合并会合并HStore下所有的HFile，会对性能产生较大影响，因此在该场景下要谨慎使用。可以适当延长大型合并的周期，比如通过设置
hbase.hregion.majorcompaction参数为一个较大的值（如7天，即604800000毫秒），减少大型合并的频率。大型合并在底层会对所有HFile进行重写，将数据按照键序重新组织，这虽然能彻底清理无效数据和优化文件存储，但过程较为耗时，频繁进行会严重影响读写性能。
3. 优化措施对存储和读写性能的影响
- 存储方面：小型合并通过减少小文件数量，降低文件碎片化程度，使数据存储更加紧凑，减少了存储空间的浪费。而大型合并虽然会在合并时占用额外的空间，但合并完成后能更有效地组织数据，提高整体存储效率。
- 读性能方面：频繁的小型合并减少了读操作时需要检索的文件数量，降低了I/O开销，从而显著提高读操作的响应速度。同时，优化后的存储结构使得数据在磁盘上的分布更加有序，利于快速定位和读取数据。
- 写性能方面：降低
hbase.hstore.compaction.min和hbase.hstore.compaction.ratio等参数，虽然会使小型合并更频繁，但由于每次小型合并处理的文件数量有限，对写性能的影响相对较小。而延长大型合并周期则避免了大型合并对写操作造成的性能冲击，确保写入频繁的业务场景能持续高效运行。