面试题答案
一键面试增加索引粒度
- 读性能影响：增加索引粒度意味着索引更细，能更精准定位数据。比如在HBase中，原来一个索引项对应100个数据块，现在对应10个数据块，读操作时能更快缩小搜索范围，直接定位到目标数据所在的较小区域，从而显著提升读性能。例如，当查询特定rowkey的数据时，细粒度索引能直接指向包含该rowkey的小范围数据块，减少不必要的数据扫描。
- 写性能影响：写操作时，由于索引粒度增加，每次写入都需要更新更多的索引项。原本一次写入只需更新一个粗粒度索引项，现在可能需要更新多个细粒度索引项，这就增加了写入的开销，包括写入索引数据到存储介质的I/O操作，以及索引结构维护的计算开销，从而导致写性能下降。
- 业务场景权衡：对于读多写少的业务场景，如日志分析系统，查询频繁但写入相对较少，增加索引粒度能大幅提升查询效率，虽然写性能有所下降，但整体业务性能提升明显，因此适合采用这种策略。而对于写多读少的场景，如实时数据采集系统，写操作频繁，增加索引粒度会严重影响写性能，降低数据采集的效率，所以不适合采用。
调整索引存储结构
- 读性能影响：
- 采用更紧凑的存储结构：如果将索引存储结构设计得更紧凑，例如使用压缩算法对索引数据进行压缩存储，在读取索引时，磁盘I/O量会减少，因为相同索引数据占用空间变小，从磁盘读取到内存的时间缩短，进而提升读性能。但在读取时可能需要额外的解压操作，这会带来一定的CPU开销。
- 采用更利于快速查找的结构：比如从简单的线性索引结构转换为树形索引结构（如B+树），在查询时可以通过树的层级快速定位索引项，避免线性扫描，从而大大提升读性能。例如在HBase中，B+树索引能在大规模索引数据中快速定位到目标索引节点。
- 写性能影响：
- 紧凑存储结构：紧凑存储结构可能在写入时需要额外的压缩处理，这增加了写入的计算开销，导致写性能下降。同时，如果采用的压缩算法较复杂，对CPU资源消耗较大，在高并发写入场景下，可能会成为性能瓶颈。
- 利于快速查找的结构：像B+树这样的结构，虽然读性能优秀，但写入时需要维护树的平衡结构，插入新的索引项可能会导致树节点的分裂、合并等操作，这些操作相对复杂，增加了写入的开销，从而降低写性能。
- 业务场景权衡：对于读密集型且对CPU资源有一定余量的业务，如数据分析平台，采用更紧凑或更利于快速查找的索引存储结构能有效提升读性能，即使写性能有所下降，也可接受。而对于写密集型且对CPU资源敏感的业务，如物联网设备数据实时写入系统，过于复杂的索引存储结构优化可能导致写性能大幅下降，应优先考虑简单高效的索引存储结构，以保证数据写入的流畅性。