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
- Region 写入:数据按 row key 写入 Region。
- Region 超过大小:HMaster 协调分裂。
- 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
- 写入:ONE 一个副本确认即成功。
- 读取:QUORUM 多数派读取。
- 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
- 写入:先写 WAL,再写 MemStore。
- MemStore 满:刷成 HFile。
- 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
- Size-Tiered:相同大小的 SSTable 合并。
- Leveled:L0、L1、L2 层级,每层无重复 key。
- 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