请说明针对 HBase 中大量小文件的存储问题，你会采用哪些优化措施？

回答思路

1. 【回答框架 1】小文件问题源于频繁写入或批量导入产生大量 HFile，导致 Region 数量膨胀、查询性能下降和元数据压力增大。
2. 【回答框架 2】优化方向包括合并小文件：使用 HBase 的 Major Compaction 将多个 HFile 合并为较大文件，减少文件数量。
3. 【回答框架 3】控制 Region 数量：通过预分区合理规划 Region 数量，避免过度分裂。
4. 【回答框架 4】使用 BulkLoad 导入数据：直接生成 HFile 并加载，减少写入路径开销。
5. 【回答框架 5】调整 StoreFile 阈值：适当增大 hbase.hstore.compactionThreshold，触发更积极的合并，同时监控 Compaction 对写入的影响。
6. 【关键点 1】开启或调优 Major Compaction 合并 HFile。
7. 【关键点 2】利用预分区和合理 Region 规划降低分裂。
8. 【关键点 3】采用 BulkLoad 批量导入避免写入放大。
9. 【关键点 4】合理设置 compactionThreshold 平衡合并与性能。
10. 【易错点 1】过度依赖 Compaction 可能导致写入阻塞，需控制频率。
11. 【易错点 2】预分区不合理会导致数据倾斜。
12. 【易错点 3】BulkLoad 需保证数据有序，否则生成 HFile 效率低。