Hbase系統架構圖
1、數據熱點問題
產生數據熱點問題的原因：
（1）Hbase的數據是按照字典排序的，當大量連續的rowkey集中寫到個別的region，各個region之間實際分布不均衡；
（2）創建表時沒有提前預分區，創建的表默認只有一個region，大量的數據寫入當前region；
（3）創建表已經提前預分區，但是設計的rowkey沒有規律可循。
熱點問題的解決方案：
（1）隨機數+業務主鍵，如果更好的讓最近的數據get到，可以加上時間戳；
（2）Rowkey設計越短越好，不要超過10-100個字節；
（3）映射regionNo，這樣既可以讓數據均勻分布到各個region中，同時可以根據startkey和endkey可以個get到同一批數據。
2、描述hbase的rowkey的設計原理
三大設計原則：
（1）唯一性原則
rowkey在設計上保證其唯一性。rowkey是按照字典順序排序存儲的，因此，設計rowkey的時候，要充分利用這個排序的特點，將經常讀取的數據存儲到一塊，將最近可能會被訪問的數據放到一塊。
（2）長度原則
rowkey是一個二進制碼流，可以是任意字符串，最大長度 64kb ，實際應用中一般為10-100bytes，以byte[] 形式保存，一般設計成定長。建議越短越好，不要超過16個字節，原因如下：數據的持久化文件HFile中是按照KeyValue存儲的，如果rowkey過長，比如超過100字節，1000w行數據，光rowkey就要占用100*1000w=10億個字節，將近1G數據，這樣會極大影響HFile的存儲效率；MemStore將緩存部分數據到內存，如果rowkey字段過長，內存的有效利用率就會降低，系統不能緩存更多的數據，這樣會降低檢索效率。目前操作系統都是64位系統，內存8字節對齊，控制在16個字節，8字節的整數倍利用了操作系統的最佳特性。
（3）散列原則
加鹽：如果rowkey按照時間戳的方式遞增，不要將時間放在二進制碼的前面，建議將rowkey的高位作為散列字段，由程序隨機生成，低位放時間字段，這樣將提高數據均衡分布在每個RegionServer，以實現負載均衡的幾率。如果沒有散列字段，首字段直接是時間信息，所有的數據都會集中在一個RegionServer上，這樣在數據檢索的時候負載會集中在個別的RegionServer上，造成熱點問題，會降低查詢效率加鹽：這里所說的加鹽不是密碼學中的加鹽，而是在rowkey的前面增加隨機數，具體就是給rowkey分配一個隨機前綴以使得它和之前的rowkey的開頭不同。分配的前綴種類數量應該和你想使用數據分散到不同的region的數量一致。加鹽之后的rowkey就會根據隨機生成的前綴分散到各個region上，以避免熱點
哈希：哈希會使同一行永遠用一個前綴加鹽。哈希也可以使負載分散到整個集群，但是讀卻是可以預測的。使用確定的哈希可以讓客戶端重構完整的rowkey，可以使用get操作准確獲取某一個行數據
反轉：第三種防止熱點的方法時反轉固定長度或者數字格式的rowkey。這樣可以使得rowkey中經常改變的部分（最沒有意義的部分）放在前面。這樣可以有效的隨機rowkey，但是犧牲了rowkey的有序性。反轉rowkey的例子以手機號為rowkey，可以將手機號反轉后的字符串作為rowkey，這樣的就避免了以手機號那樣比較固定開頭導致熱點問題
時間戳反轉：一個常見的數據處理問題是快速獲取數據的最近版本，使用反轉的時間戳作為rowkey的一部分對這個問題十分有用，可以用Long.Max_Value - timestamp 追加到key的末尾，例如key ,[key] 的最新值可以通過scan [key]獲得[key]的第一條記錄，因為HBase中rowkey是有序的，第一條記錄是最后錄入的數據。比如需要保存一個用戶的操作記錄，按照操作時間倒序排序，在設計rowkey的時候，可以這樣設計userId反轉，在查詢用戶的所有操作記錄數據的時候，直接指定反轉后的userId，startRow是userId反轉,stopRow是userId反轉如果需要查詢某段時間的操作記錄，startRow是user反轉，stopRow是userId反轉
3、hbase中compact的用途
在HBase中，每當memstore的數據flush到磁盤后，就形成一個storefile，當storefile的數量越來越大時，會嚴重影響HBase的讀性能 ，HBase內部的compact處理流程是為了解決MemStore Flush之后，文件數目太多，導致讀數據性能大大下降的一種自我調節手段，它會將文件按照某種策略進行合並，大大提升HBase的數據讀性能。
主要起到如下幾個作用：
（1）合並文件
（2）清除刪除、過期、多余版本的數據
（3）提高讀寫數據的效率
這兩種compaction方式的區別是：
1、Minor操作只用來做部分文件的合並操作以及包括minVersion=0並且設置ttl的過期版本清理，不做任何刪除數據、多版本數據的清理工作。
2、Major操作是對Region下的HStore下的所有StoreFile執行合並操作，最終的結果是整理合並出一個文件。
compaction觸發時機：
（1）Memstore刷寫后，判斷是否compaction
（2）CompactionChecker線程，周期輪詢
4、Hbase中regionserver掛了 如何恢復數據
引起RegionServer宕機的原因各種各樣，有因為Full GC導致、網絡異常導致、官方Bug導致（close wait端口未關閉）以及DataNode異常導致等等
HBase檢測宕機是通過Zookeeper實現的， 正常情況下RegionServer會周期性向Zookeeper發送心跳，一旦發生宕機，心跳就會停止，超過一定時間（SessionTimeout）Zookeeper就會認為RegionServer宕機離線，並將該消息通知給Master
一旦RegionServer發生宕機，HBase都會馬上檢測到這種宕機，並且在檢測到宕機之后會將宕機RegionServer上的所有Region重新分配到集群中其他正常RegionServer上去，再根據HLog進行丟失數據恢復，恢復完成之后就可以對外提供服務，整個過程都是自動完成的，並不需要人工介入.
5、簡單介紹Hbase的二級索引
默認情況下，Hbase只支持rowkey的查詢，對於多條件的組合查詢的應用場景，不夠給力。
如果將多條件組合查詢的字段都拼接在RowKey中顯然又不太可能
全表掃描再結合過濾器篩選出目標數據(太低效)，所以通過設計HBase的二級索引來解決這個問題。
所謂的二級索引其實就是創建新的表，並建立各列值（family：column）與行鍵（rowkey）之間的映射關系。這種方式需要額外的存儲空間，屬於一種以空間換時間的方式
6、Hbase的優化
內存優化
垃圾回收優化:CMS, G1(Region）
JVM啟動：-Xms(1/64) –Xmx(1/4)
Region優化
預分區
禁用major合並，手動合並
客戶端優化
批處理
7、Hbase和mysql的區別
數據存儲方式：
mysql面向行存儲數據；
hbase面向列存儲數據，有利於壓縮和統計
數據之間的聯系：
mysql存儲關系型數據，結構化數據
Hbase存儲的非關系型數據，存儲結構化和非結構化數據
事務處理：
mysql數據庫存在事務，欣慰着重於計算
hbase數據庫側重於海量數據存儲，所以沒有事務概念
8、hbase如何導入數據
通過HBase API進行批量寫入數據； 使用Sqoop工具批量導數到HBase集群； 使用MapReduce批量導入； HBase BulkLoad的方式。
9、Hbase 和 hive 區別
共同點：
hbase與hive都是架構在hadoop之上的。都是用hadoop作為底層存儲。
區別：
Hive是建立在Hadoop之上為了減少MapReducejobs編寫工作的批處理系統，HBase是為了支持彌補Hadoop對實時操作的缺陷的項目 。
想象你在操作RMDB數據庫，如果是全表掃描，就用Hive+Hadoop，如果是索引訪問，就用HBase+Hadoop；
Hive query就是MapReduce jobs可以從5分鍾到數小時不止，HBase是非常高效的，肯定比Hive高效的多； Hive本身不存儲和計算數據，它完全依賴於 HDFS 和 MapReduce，Hive中的表純邏輯； hive借用hadoop的MapReduce來完成一些hive中的命令的執行； hbase是物理表，不是邏輯表，提供一個超大的內存hash表，搜索引擎通過它來存儲索引，方便查詢操作； hbase是列存儲；hdfs 作為底層存儲，hdfs 是存放文件的系統，而 Hbase 負責組織文件； hive 需要用到 hdfs 存儲文件，需要用到 MapReduce 計算框架。
9、hbase 實時查詢的原理
實時查詢，可以認為是從內存中查詢，一般響應時間在 1 秒內。HBase 的機制是數據先寫入到內存中，當數據量達到一定的量（如 128M），再寫入磁盤中， 在內存中，是不進行數據的更新或合並操作的，只增加數據，這使得用戶的寫操作只要進入內存中就可以立即返回，保證了 HBase I/O 的高性能。
10、Hbase中scan和get的功能以及實現的異同
HBase的查詢實現只提供兩種方式：
1、按指定RowKey 獲取唯一一條記錄，get方法（org.apache.hadoop.hbase.client.Get） Get 的方法處理分兩種 : 設置了ClosestRowBefore 和沒有設置的rowlock .主要是用來保證行的事務性，即每個get 是以一個row 來標記的.一個row中可以有很多family 和column.
2、按指定的條件獲取一批記錄，scan方法(org.apache.Hadoop.hbase.client.Scan）實現條件查詢功能使用的就是scan 方式.
（1）scan 可以通過setCaching 與setBatch 方法提高速度(以空間換時間)；
（2）scan 可以通過setStartRow 與setEndRow 來限定范圍([start，end)start 是閉區間， end 是開區間)。范圍越小，性能越高。
（3）scan 可以通過setFilter 方法添加過濾器，這也是分頁、多條件查詢的基礎。