前言
本栏目大数据开发岗高频面试题主要出自
大数据技术专栏的各个小专栏,由于个别笔记上传太早,排版杂乱,后面会进行原文美化、增加。
文章目录
- 前言
- 面试题 01、请简述LSM模型的设计思想
- 面试题02、什么是Flush，什么时候会触发Flush？
- 面试题03、什么是Compaction，什么时候会触发Compaction？
- 面试题04、什么是Spit，什么时候会触发Split？
- 面试题05、MapReduce读取Hbase数据的原理及返回值是什么？
- 总结
停不要往下滑了，
默默想5min，
看看这5道面试题你都会吗？
代码语言：javascript复制面试题 01、请简述LSM模型的设计思想
面试题02、什么是Flush，什么时候会触发Flush？
面试题 03、什么是Compaction，什么时候会触发Compaction？
面试题04、什么是Spit，什么时候会触发Split？
面试题05、MapReduce读取Hbase数据的原理及返回值是什么？以下答案仅供参考：
面试题 01、请简述LSM模型的设计思想
•step1：数据写入的时候，只写入内存 •step2：将数据在内存构建有序，当数据量大的时候，将有序的数据写入磁盘，变成一个有序的数据文件 •step3：基于所有有序的小文件进行合并，合并为一个整体有序的大文件
面试题02、什么是Flush，什么时候会触发Flush？
•Flush是指将memstore中的数据写入HDFS，变成StoreFile •2.0之前：判断memstore存储大小，单个memstore达到128M就会触发Flush，或者整个memstore达到95%就会触发 •2.0之后：根据平均每个memstore的存储大小与16M取最大值计算水位线，高于水位线就Flush，不高于就不Flush，都不高于全部Flush
面试题03、什么是Compaction，什么时候会触发Compaction？
•Compaction的功能是将多个单独有序StoreFile文件进行合并，合并为整体有序的大文件并且删除过期数据，加快读取速度 •2.0之前：通过minor compaction和major compaction来实现 –minor compaction：用于合并最早生成的几个小文件，不清理过期数据 –major compaction：用于将所有storefile合并为一个StoreFile，并清理过期数据 •2.0之后：除了minor compaction和major compaction，添加了in-memory-compaction –In-memory compaction：在内存中进行合并，合并以后的结果再进行flush，有四种配置 •none：不开启 •basic：开启，但是合并时不删除过期数据 •eager：开启，合并时并清理删除过期数据 •adaptive：开启，并在合并时根据数据量来自动判断是否清理过期数据
面试题04、什么是Spit，什么时候会触发Split？
•Split是指当一个Region存储的数据过多，导致这个Region的负载比较高，Hbase中设定了一个Region最多存储的数据量的阈值，一旦达到阈值，允许Region分裂为两个region，老的region会下线，新的两个region对外提供服务 •0.94之前：ConstantSizeRegionSplitPolicy –只要region中的storefile达到10G，就分裂 •2.0之前：IncreasingToUpperBoundRegionSplitPolicy –根据Region个数来实现计算，当达到4个region以后，也是按照10GB来分裂 •2.0之后：SteppingSplitPolicy –Region个数等于1个：按照256M来分裂 –Region个数超过1个：按照10GB来分裂
面试题05、MapReduce读取Hbase数据的原理及返回值是什么？
•MapReduce读取Hbase原理：封装了一个TableInputFormat来实现读取Hbase的数据 •返回值 –每个Region对应一个分片，每个分片启动一个MapTask进行处理 –每个Rowkey的数据变成一个KV对 –K是Rowkey的字节对象：ImmutableBytesWriable类型 –V是Rowkey的数据对象：Result类型
总结
今天我们复习了面试中常考的Hbase相关的五个问题，你做到心中有数了么？
