罗罗编程学习记录
本页内容 展开查看

05.12.3 HBase 与 Cassandra 模型对照

所属:全栈开发面试题库 / 05 数据库与存储 / 05.12 图、时序与宽表

覆盖范围

  • LSM 宽列存储模型
  • Rowkey 设计与分区
  • HBase 和 Cassandra 架构差异
  • 一致性与一致性级别
  • 适用场景

高频题速览

编号 题目 难度 频率
05.12.3-001 HBase 数据模型是什么 进阶 ★★★★
05.12.3-002 Rowkey 怎么设计 进阶 ★★★★
05.12.3-003 HBase 和 Cassandra 区别 进阶 ★★★
05.12.3-004 Cassandra 一致性级别 进阶 ★★★
05.12.3-005 宽列存储适合什么场景 基础 ★★★

05.12.3-001 HBase 数据模型是什么?

频率 ★★★★ | 难度 进阶

一句话结论

HBase 是稀疏、分布式、多维映射表:按 Rowkey 排序存储,列族(column family)为单位,列(column)动态扩展,版本化 cell;底层 LSM + HDFS。

常见误区

  • 误区:HBase 是列式数据库。正解:它是宽列存储,按列族组织,不是 OLAP 列存。

05.12.3-002 Rowkey 怎么设计?

频率 ★★★★ | 难度 进阶

一句话结论

Rowkey 决定数据分布和扫描顺序,原则:散列(避免热点)、带前缀(范围扫描)、长度适中;自增 ID 会热点,用哈希 + 反转或加盐。


05.12.3-003 HBase 和 Cassandra 有什么区别?

频率 ★★★ | 难度 进阶

一句话结论

HBase 主从架构(HMaster + RegionServer),强一致,依赖 HDFS;Cassandra 无中心(P2P),最终一致可调,多副本,适合跨机房;HBase 擅长大范围顺序扫描,Cassandra 擅长高写入点查。


05.12.3-004 Cassandra 一致性级别怎么理解?

频率 ★★★ | 难度 进阶

一句话结论

Cassandra 读写一致性可调:ONE(最快)、QUORUM(多数派)、ALL(最强);满足 W+R > RF 即强一致,按场景权衡。


05.12.3-005 宽列存储适合什么场景?

频率 ★★★ | 难度 基础

一句话结论

海量稀疏数据、按 Rowkey 点查、时间序列写(如用户行为明细);不适合 ad-hoc 分析和复杂 JOIN。


05.12.3-006 LSM 树怎么工作?

频率 ★★★ | 难度 进阶

一句话结论

写入先到内存 memtable(有序),满后刷成 SSTable 落盘(不可变);读时先查 memtable 再逐层查 SSTable;后台 compaction 合并 SSTable,清理删除标记和冗余。


05.12.3-007 HBase 热点 Region 怎么处理?

频率 ★★ | 难度 进阶

一句话结论

自增 Rowkey 导致最新 Region 热点;用 salting(Rowkey 前加随机前缀)或 hash 打散,范围扫描时需多 Region 并发查。


05.12.3-008 Cassandra 分区键和聚类键?

频率 ★★ | 难度 进阶

一句话结论

分区键(PARTITION KEY)决定数据落哪个节点,聚类键(CLUSTERING KEY)决定分区内排序;查询必须带分区键,否则全表扫描。


05.12.3-009 HBase 二级索引怎么做?

频率 ★★ | 难度 高级

一句话结论

HBase 原生只有 Rowkey 索引;二级索引用 HBase Indexer/Phoenix,或业务自己建索引表(反查 Rowkey);不要用 filter 全表扫描。


05.12.3-010 宽列存储和 OLAP 列存区别?

频率 ★★ | 难度 进阶

一句话结论

宽列存储(HBase/Cassandra)是 KV 模型,按 Rowkey 点查和范围扫描,支持高写入;OLAP 列存(ClickHouse/Parquet)是分析模型,只读列、聚合扫描,不支持点查。

典型场景与代码示例

HBase 表结构

表:user_behavior
Rowkey: reverse(user_id) + timestamp  (反转 user_id 打散热点)
列族:cf(一个列族即可)
列:
  cf:event_type  (login, click, purchase)
  cf:url
  cf:duration

物理存储:
  Rowkey1 -> [event_type=click, url=/home, duration=10]
  Rowkey2 -> [event_type=purchase, url=/order, duration=120]

Cassandra 建表

CREATE TABLE user_sessions (
  user_id UUID,
  session_id UUID,
  started_at TIMESTAMP,
  duration INT,
  PRIMARY KEY (user_id, started_at)
) WITH CLUSTERING ORDER BY (started_at DESC);
-- 分区键:user_id(决定落哪个节点)
-- 聚类键:started_at(分区内排序)

LSM 写入流程

1. 写入 WAL(预写日志,防崩溃)
2. 写入 memtable(内存有序跳表)
3. memtable 满 -> flush 成 SSTable(磁盘不可变文件)
4. 后台 compaction 合并 SSTable,清理删除标记

面试高频追问

问:HBase 是列存数据库吗?

答:不是。HBase 是宽列存储(按列族组织),按 Rowkey 点查和范围扫描;OLAP 列存(ClickHouse/Parquet)是分析模型,两者不同。

问:Rowkey 设计的核心原则是什么?

答:散列(避免热点)、带前缀(范围扫描)、长度适中;自增 ID 会热点,用哈希或反转。

问:HBase 和 Cassandra 怎么选?

答:HBase 主从架构、强一致、依赖 HDFS;Cassandra P2P、最终一致可调、跨机房;HBase 擅长大范围扫描,Cassandra 擅长高写入点查。

问:LSM 树为什么比 B+ 树适合写?

答:LSM 先写内存(顺序写),满了再刷磁盘(顺序写),避免随机写;B+ 树写要随机更新磁盘页。

核心要点速记

特性 HBase Cassandra
架构 主从(HMaster+RegionServer) P2P 无中心
一致性 强一致 最终一致可调
底层 HDFS 自带存储
擅长 大范围顺序扫描 高写入点查

LSM 树:

  • 写先到 memtable(内存有序)
  • 满后刷成 SSTable(磁盘不可变)
  • 后台 compaction 合并清理

一句话记忆:HBase 强一致依赖 HDFS;Cassandra 最终一致跨机房;都是 LSM 宽列存储。

相关概念辨析

HBase vs Cassandra

维度 HBase Cassandra
一致性 强 最终一致可调
架构 Master/Slave 对等
一致性模型 线性一致 可调
适合 强一致 高可用

LSM vs B+ Tree

  • LSM:写快读慢,适合写多读少。
  • B+ Tree:读快写慢,适合读多写少。
  • 选择:时序、日志用 LSM;OLTP 用 B+ Tree。

05.12.3-009 HBase Region 怎么分裂?

频率 ★★ | 难度 高级

一句话结论

HBase Region 超过大小(默认 10GB)自动分裂成两个;分裂由 HMaster 协调,RegionServer 执行。

概念解释

  • Region:HBase 数据分区,按 row key 范围拆分。
  • 分裂:Region 超过大小,分裂成两个。
  • 迁移:分裂后,新 Region 可能迁移到其他 RegionServer。

原理流程

  1. Region 写入:数据按 row key 写入 Region。
  2. Region 超过大小:HMaster 协调分裂。
  3. 分裂:一个 Region 分裂成两个,新 Region 可能迁移。

常见误区

  • 误区:Region 分裂影响性能。正解:分裂是后台操作,不影响在线读写。

追问延伸

  • Region 大小:默认 10GB,可调。
  • 预分区:建表时预创建 Region,避免初期热点。

05.12.3-010 Cassandra 一致性级别怎么选?

频率 ★★★ | 难度 高级

一句话结论

Cassandra 一致性级别可调:ONE(最快)、QUORUM(平衡)、ALL(最强);按业务需求选择。

概念解释

  • ONE:一个副本确认,最快。
  • QUORUM:多数派确认,平衡。
  • ALL:所有副本确认,最强。

原理流程

  1. 写入:ONE 一个副本确认即成功。
  2. 读取:QUORUM 多数派读取。
  3. 一致性:写 QUORUM + 读 QUORUM = 强一致。

常见误区

  • 误区:Cassandra 最终一致。正解:一致性级别可调,QUORUM + QUORUM 强一致。

追问延伸

  • 选择:一般业务 QUORUM;金融 ALL;日志 ONE。
  • 调和一致性:写 QUORUM + 读 QUORUM。

05.12.3-011 HBase 写入流程是什么?

频率 ★★ | 难度 进阶

一句话结论

HBase 写入:先写 WAL(预写日志),再写 MemStore;MemStore 满了刷成 HFile;读取时合并 MemStore 和 HFile。

概念解释

  • WAL:预写日志,保证数据不丢。
  • MemStore:内存表,写入先到 MemStore。
  • HFile:磁盘有序表,MemStore 满了刷成 HFile。

原理流程

  1. 写入:先写 WAL,再写 MemStore。
  2. MemStore 满:刷成 HFile。
  3. 读取:合并 MemStore + HFile。

常见误区

  • 误区:HBase 写入直接写磁盘。正解:先写 MemStore,满了才刷 HFile。

追问延伸

  • WAL:预写日志,保证数据不丢。
  • compaction:后台合并 HFile,消除重复。

05.12.3-012 LSM 压缩策略有哪些?

频率 ★★ | 难度 高级

一句话结论

LSM 压缩策略:Size-Tiered(分层合并,写入快)和 Leveled(层级合并,空间省);Cassandra 用 Size-Tiered,LevelDB 用 Leveled。

概念解释

  • Size-Tiered:相同大小的 SSTable 合并,写入快,空间浪费。
  • Leveled:SSTable 按层级组织,每层无重复 key,空间省。
  • 选择:写入多用 Size-Tiered;空间敏感用 Leveled。

原理流程

  1. Size-Tiered:相同大小的 SSTable 合并。
  2. Leveled:L0、L1、L2 层级,每层无重复 key。
  3. 选择:写入多用 Size-Tiered。

常见误区

  • 误区:LSM 压缩策略一样。正解:Size-Tiered 和 Leveled 各有优劣。

追问延伸

  • Cassandra:Size-Tiered。
  • LevelDB/RocksDB:Leveled。

待整理清单

  • [ ] LSM compaction 策略
  • [ ] HBase 二级索引
  • [ ] Cassandra 分区键与聚类键