锁屏面试题百日百刷，每个工作日保持更新面试题。锁屏面试题app、小程序现已上线，官网地址：https://www.demosoftware.cn。已收录了每日更新的面试题的所有内容，还蕴含特色的解锁屏幕温习面试题、每日编程题目邮件推送等性能。让你在面试中后人一步!接下来的是今日的面试题：
1.HBase如何给web前端提供接口来拜访？**
应用JavaAPI来编写WEB利用，应用HBase提供的RESTFul接口。
2.请列举几个HBase优化办法？**
1）缩小调整
缩小调整这个如何了解呢？HBase中有几个内容会动静调整，如region（分区）、HFile，所以通过一些办法来缩小这些会带来I/O开销的调整。
· Region
如果没有预建分区的话，那么随着region中条数的减少，region会进行决裂，这将减少I/O开销，所以解决办法就是依据你的RowKey设计来进行预建分区，缩小region的动静决裂。
· HFile
HFile是数据底层存储文件，在每个memstore进行刷新时会生成一个HFile，当HFile减少到肯定水平时，会将属于一个region的HFile进行合并，这个步骤会带来开销但不可避免，然而合并后HFile大小如果大于设定的值，那么HFile会从新决裂。为了缩小这样的无谓的I/O开销，倡议预计我的项目数据量大小，给HFile设定一个适合的值。
2）缩小启停
数据库事务机制就是为了更好地实现批量写入，较少数据库的开启敞开带来的开销，那么HBase中也存在频繁开启敞开带来的问题。
· 敞开Compaction，在闲时进行手动Compaction。
因为HBase中存在Minor Compaction和Major Compaction，也就是对HFile进行合并，所谓合并就是I/O读写，大量的HFile进行必定会带来I/O开销，甚至是I/O风暴，所以为了防止这种不受管制的意外产生，倡议敞开主动Compaction，在闲时进行compaction。
· 批量数据写入时采纳BulkLoad。
如果通过HBase-Shell或者JavaAPI的put来实现大量数据的写入，那么性能差是必定并且还可能带来一些意想不到的问题，所以当须要写入大量离线数据时倡议应用BulkLoad
3）缩小数据量
尽管咱们是在进行大数据开发，然而如果能够通过某些形式在保证数据准确性同时缩小数据量，何乐而不为呢？
· 开启过滤，进步查问速度
开启BloomFilter，BloomFilter是列族级别的过滤，在生成一个StoreFile同时会生成一个MetaBlock，用于查问时过滤数据
· 应用压缩：个别举荐应用Snappy和LZO压缩
4）正当设计
在一张HBase表格中RowKey和ColumnFamily的设计是十分重要，好的设计可能进步性能和保证数据的准确性
· RowKey设计：应该具备以下几个属性
散列性：散列性可能保障雷同类似的rowkey聚合，相异的rowkey扩散，有利于查问。
简短性：rowkey作为key的一部分存储在HFile中，如果为了可读性将rowKey设计得过长，那么将会减少存储压力。
唯一性：rowKey必须具备显著的区别性。
业务性：举例来说：
如果我的查问条件比拟多，而且不是针对列的条件，那么rowKey的设计就应该反对多条件查问。
如果我的查问要求是最近插入的数据优先，那么rowKey则能够采纳叫上Long.Max-工夫戳的形式，这样rowKey就是递加排列。
· 列族的设计
列族的设计须要看利用场景
多列族设计的优劣：
劣势：HBase中数据时按列进行存储的，那么查问某一列族的某一列时就不须要全盘扫描，只须要扫描某一列族，缩小了读I/O；其实多列族设计对缩小的作用不是很显著，实用于读多写少的场景
劣势：升高了写的I/O性能。起因如下：数据写到store当前是先缓存在memstore中，同一个region中存在多个列族则存在多个store，每个store都一个memstore，当其实memstore进行flush时，属于同一个region的store中的memstore都会进行flush，减少I/O开销。
3.HBase中RowFilter和BloomFilter原理？**
1）RowFilter原理简析
RowFilter顾名思义就是对rowkey进行过滤，那么rowkey的过滤无非就是相等（EQUAL）、大于(GREATER)、
小于(LESS)，大于等于(GREATER_OR_EQUAL)，小于等于(LESS_OR_EQUAL)和不等于(NOT_EQUAL)几种过滤形式。
Hbase中的RowFilter采纳比拟符联合比拟器的形式来进行过滤。
比拟器的类型如下：
BinaryComparator
BinaryPrefixComparator
NullComparator
BitComparator
RegexStringComparator
SubStringComparator
例子：
Filter rowFilter = new RowFilter(CompareFilter.CompareOp.EQUAL,
new BinaryComparator(Bytes.toBytes(rowKeyValue)));
Scan scan = new Scan();
scan.setFilter(rowFilter)
在下面例子中，比拟符为EQUAL，比拟器为BinaryComparator
2）BloomFilter原理简析
· 次要性能：提供随机读的性能
· 存储开销：BloomFilter是列族级别的配置，一旦表格中开启BloomFilter，那么在生成StoreFile时同时会生成一份蕴含BloomFilter构造的文件MetaBlock，所以会减少肯定的存储开销和内存开销
· 粒度管制：ROW和ROWCOL · BloomFilter的原理
简略说一下BloomFilter原理：
① 外部是一个bit数组，初始值均为0
② 插入元素时对元素进行hash并且映射到数组中的某一个index，将其置为1，再进行屡次不同的hash算法，将映射到的index置为1，同一个index只须要置1次。
③ 查问时应用跟插入时雷同的hash算法，如果在对应的index的值都为1，那么就能够认为该元素可能存在，留神，只是可能存在
④ 所以BlomFilter只能保障过滤掉不蕴含的元素，而不能保障误判蕴含
· 设置：在建表时对某一列设置BloomFilter即可