在 HBase 的实际应用中，数据写入或读取出现热点现象时，通常采用哪些技术手段进行缓解？请列举并说明至少三种常见的优化策略及其适用场景。
考察说明
考察对 HBase 数据分布机制和热点问题处理策略的理解与掌握。
回答思路
- 【回答框架 1】热点问题根源在于 RowKey 设计或数据访问模式导致请求集中在少数 RegionServer。核心解决方案是优化 RowKey 设计，使数据均匀分布，例如采用哈希前缀、加盐或反转固定长度前缀。
- 【回答框架 2】常见的优化策略包括：预分区表，提前创建足够数量的 Region，避免自动 split 时的性能抖动；RowKey 设计上使用加盐、哈希或反转，使写入分散到不同 Region。
- 【回答框架 3】针对读取热点，可通过多版本（Multiple Version）或二级索引（如 Phoenix）分散读压力，同时结合缓存机制（如 BlockCache）提升命中率。
- 【回答框架 4】监控与诊断方面，利用 HBase 的 Region 分裂与合并机制，合理调整 Region 大小阈值，通过 HBase Shell 或 HDFS 监控工具识别热点 Region 并手动 split。
- 【回答框架 5】其他策略包括调整 Region 数量、使用 Compression 减少 I/O，以及优化 Compaction 策略以维持读写均衡。理论上的优化以实际集群负载测试为准。
- 【关键点 1】RowKey 加盐或哈希前缀使数据写入均匀分布。
- 【关键点 2】预分区避免自动 split 的性能波动。
- 【关键点 3】缓存与二级索引缓解读取热点。
- 【关键点 4】监控 Region 负载并手动 split 或合并。
- 【关键点 5】Compression 和 Compaction 策略降低 I/O 压力。
- 【易错点 1】过度加盐导致 RowKey 长度过长，增加存储和查询开销。
- 【易错点 2】预分区数量设置不合理，过多或过少均影响性能。
- 【易错点 3】无法彻底消除热点，只能降低影响，需结合业务访问模式权衡。