请描述在 Apache Kudu 中，针对大规模并发读写场景有哪些处理策略？

回答思路

1. 【回答框架 1】Kudu 是一个分布式列式存储系统，其并发读写能力主要依赖于其架构设计：表按主键范围划分为 Tablet，每个 Tablet 有多个副本（默认 3 个），通过 Raft 协议保证一致性。写入请求由 Tablet 的 Leader 处理，读取请求可以由任何副本服务，从而分散负载。
2. 【回答框架 2】对于大规模并发写入，Kudu 采用内存中的 MemRowSet 和磁盘上的 DiskRowSet 两级结构。写入先进入 MemRowSet，达到一定大小或时间阈值后 Flush 成 DiskRowSet。这种设计支持高吞吐写入，但需注意写入热点问题，因为所有写入都通过 Leader，且 MemRowSet 是单点，所以应避免写入集中在少数 Tablet，通过合理设计主键分布来均衡负载。
3. 【回答框架 3】对于大规模并发读取，Kudu 支持分区裁剪和列裁剪，只读取所需列和 Tablet。此外，Kudu 的扫描器可以并行化，多个 Scanner 可以同时扫描不同 Tablet 或同一 Tablet 的不同分区。读取性能还受底层数据格式影响，Kudu 使用列式存储，压缩率高，I/O 效率好。
4. 【回答框架 4】实际调优时，需关注集群资源配置：CPU、内存、磁盘 I/O 和网络带宽。增加 Tablet 数量可以提高并行度，但过多会增加元数据管理开销。合理设置块大小、压缩算法、缓存大小等参数，同时监控延迟和吞吐指标，根据瓶颈进行调整。
5. 【关键点 1】Kudu 通过 Tablet 分区和 Raft 副本机制提供高可用和水平扩展的并发读写能力。
6. 【关键点 2】写入路径依赖 MemRowSet 和 DiskRowSet，避免写入热点需合理设计主键。
7. 【关键点 3】读取支持列裁剪和并行扫描，减少 I/O 和提升吞吐。
8. 【关键点 4】调优需关注资源瓶颈，调整 Tablet 数量、块大小等参数。
9. 【易错点 1】认为 Kudu 写操作可以完全并行化，实际上每个 Tablet 的写入都由 Leader 串行处理，可能成为瓶颈。
10. 【易错点 2】忽略主键分布设计，导致写入倾斜到少数 Tablet，影响整体性能。
11. 【易错点 3】盲目增加 Tablet 数量，忽略元数据开销和内存占用。