HBase系列常见面试题汇总---HBase建表优化

　　BloomFilter

　　* 默认值为 NONE，布隆过滤器的作用是可以过滤掉大部分不存在目标查询值的 HFile(即略去不必要的磁盘扫描)，可以有助于降低读取延迟。配置方式： create 'table',{BLOOMFILTER =>'ROW |ROWCOL'} * ROW，表示对 Rowkey 进行布隆过滤，Rowkey 的哈希值在每次写入行时会被添加到布隆过滤器中，在读的时候就会通过布隆过滤器过滤掉大部分无效目标。 * ROWCOL 表示行键 + 列簇 + 列的哈希将在每次插入行时添加到布隆。

　　Versions

　　* 默认值为 1 ，我们知道 HBase 是一个多版本共存的数据库，多次写入相同的 rowkey + cf + col 则会产生多个版本的数据，在有些场景下多版本数据是有用的，需要把写入的数据做一个对比或者其他操作;但是如果我们不想保留那么多数据，只是想要覆盖原有值，那么将此参数设为 1 能节约 2/3 的空间。所以第一步搞清楚你的需求，是否需要多版本共存。 * 配置方式 create 'table',{VERSIONS=>'2'}

　　Compression

　　* 默认值为 NONE ，常用的压缩方式是 Snappy 和 LZO，它们的特点是用于热数据压缩，占用 CPU 少，解压/压缩速度较其他压缩方式快，但是压缩率较低。Snappy 与 LZO 相比，Snappy 整体性能优于 LZO，解压/压缩速度更快，但是压缩率稍低。各种压缩各有不同的特点，需要根据需求作出选择。 * create 'table',{NAME=>'info',COMPRESSION=>'snappy'}

　　HBase 预分区

　　默认情况下，在创建 HBase 表的时候会自动创建一个 Region 分区，当导入数据的时候，所有的 HBase 客户端都向这一个 Region 写数据，直到这个 Region 足够大了才进行切分。这样的局限是很容易造成数据倾斜，影响读写效率。预分区是一种比较好的解决这些问题的方案，即预先创建一些空的 Regions，定义好每个 Region 存储的数据的范围，这样可以有效避免数据倾斜问题，多个 Region 同时工作，使得可以在集群内做数据的负载均衡。

　　* 指定 rowkey 分割的点 create 'table1','f1',SPLITS => ['\x10\x00', '\x20\x00', '\x30\x00', '\x40\x00'] * rowkey 前缀完全随机 create 'table2','f1', { NUMREGIONS => 8 , SPLITALGO => 'UniformSplit' } * rowkey 是十六进制的字符串作为前缀的 create 'table3','f1', { NUMREGIONS => 10, SPLITALGO => 'HexStringSplit' } 其中，NUMREGIONS 为 region 的个数，一般按每个 egion 10GB 左右来计算 Region 数量，集群规模大，Region 数量可以适当取大一些。

　　更多关于“大数据培训”的问题，欢迎咨询千锋教育在线名师。千锋教育多年办学，课程大纲紧跟企业需求，更科学更严谨，每年培养泛IT人才近2万人。不论你是零基础还是想提升，都可以找到适合的班型，千锋教育随时欢迎你来试听。