1. HBase有哪些基本的特徵？
HBase是類似於google的bigtable的開源實現，擁有以下特徵：
1）. 在HDFS之上
2）. 基於列存儲的分佈式數據庫
3）. 用於實時地讀、寫大規模數據集
其他HBase的特性：
1）.沒有真正的索引，行順序存儲，也沒有所謂的索引膨脹問題。
2） 自動分區，表增長時，自動分區到新的節點上。
3） 線性擴展和區域會自動重新平衡，運行RegionServer，達到負載均衡的目的。
4）.容錯和普通商用的硬件支持。這點同hadoop類似。
2. HBase相對於關係數據庫能解決的問題是什麼？
HBase與關係數據的區別？
其實就是關係數據庫與HBase各自的優缺點。
關係數據庫的缺憾：
1）. 擴展困難
2）. 維護複雜
HBase就是解決可伸縮行的問題。通過簡單增加節點來獲取線性擴展性。不支持SQL。
HBase與RDBMS的區別？
1）. 表的設計：HBase的表可以很高，很寬，可伸縮性很強。而且表的模式是物理存儲的直接反映。
2）. 拓撲： HBase能水平分區並在上千個節點上自動複製。
3）. 應用形式： 開發者必須承擔更多的責任來正確地利用HBase的檢索和存儲方式。
4）. RDBMS 遵循固定的模式，如“codd 12 規則”，強調事務的“強一致性”、參照完整性、SQL支持、數據的邏輯與物理形式相對獨立。等等。適用於中小規模的數據，但對於數據的規模和併發讀寫方面進行大規模擴展時，RDBMS會性能大大降低，分佈式更爲困難，因爲其需要放棄很多RDBMS的易用的特性。
HBase適用於上億、上千億級的數據，如果是隻有上千、上百萬級別是數據，傳統的RDBMS是更好的選擇。
HBase需要更多硬件，如果硬件較少，如5個，幹不成什麼好事。
如果從RDBMS移植到HBase，需要消除RDBMS的很多額外特性，如列數據類型、第二索引、事務、高級查詢等。
4. HBase的模式Schema設計的一些概念和原則
1）模式的創建與更新
可以使用HBase Shell或HBase Admin來創建和編輯HBase的模式。
在0.90.x 版本，只能先禁用表，再修改列族，而0.92.x版本以後，支持在線修改。
而且表和列族修改後，如size， region， block size等，在下次 主緊縮 或 存儲文件時 起作用。
2）列族的數量
-列族數量越少越好，即使同時有兩個列族，查詢的時候總是訪問其中一個列族，不會同時訪問。
-當一個表存在多個列族，當基數差距很大時，如A族有100萬行，B族10億行，A族可能會被分散到很多區域region，導致掃描A的效率降低。
-另外，多個列族在flush和compaction時，會造成很多I/O負擔。
3）行鍵設計RowKey
a. 不要將RowKey設計成有序的形式，因爲這樣容易阻塞並行性，將負載壓都在一臺機器上
b. 定位一個單元，需要行，列名和時間戳。如果一個單元格的座標很大，會佔用內存，索引用光。所以，解決方法：列族名儘量小，如一個字符a，短屬性名，而行鍵長度可讀即可（行鍵長度對數據訪問無太大影響）,將數字字符轉換爲數字字節模式（節省空間）。
c. 倒序時間戳有助於找到找到最近版本值
d. 行鍵是在列族範圍內有效，不同列族中可以擁有同樣的行鍵
e. 行鍵永遠不能變
4）HBase支持所有能轉換爲字節數組的東西，如字符串、數字、複雜對象、計數器、甚至圖像。
5）列族可以設置存活時間TTL，超時後，HBase自動刪除數據
6）第二索引和查詢： 這裏面有很多東西，需要查看對應版本官方的文檔更好些。
5. HBase的拓撲結構是什麼？
1）拓撲結構： 類似於HDFS的mast與slave，mapreduce的tasktracker與jobtracker的關係，HBase也有master和RegionServer
2）HBase與ZooKeeper的關係是什麼？
HBase必須管理一個ZooKeeper實例，它依賴ZooKeeper，主要目的是，通過ZooKeeper來協調區域內的服務器，它負責目錄表、主控機地址等重要信息，若有服務器崩潰，HBase就可以通過ZooKeeper來協調分配。
RegionServer在HBase的配置文件conf/regionservers文件中，而HBase集羣的站點配置在conf/hbase-site.xml和conf/hbase-env.sh中配置。HBase儘量遵循了Hadoop的規則。
3）HBase的內部結構管理狀況：
其內部有-ROOT, -META的特殊目錄表，用於維護當前集羣上所有區域的列表、位置和狀態。
-ROOT表包含 -META表的區域列表，而-META表示包含用戶的的區域列表。
所以，HBase管理的流程是:
Client -- 鏈接到ZooKeeper -- 查找-ROOT表的位置 -- 查找-META表的位置 -- 查找用戶的區域所在的節點、位置及其狀態等 -- 直接管理指定區域的RegionServer並進行交互。
HBase支持Java及MapReduce的開發。
HBase提供了Thrift、REST及Avro的接口。HBase需要有一個相應的接口客戶端負責與這些接口的交互。但是這些需要代理進行處理請求和響應，所以比java更慢。
%hbase-daemon.sh start/stop rest/thrift/avro //啓動或終止對應的客戶端
4）HBase的使用示例：
1. 創建表
如在外殼環境下： create ‘station’， {NAME => 'info', VERSION >= 1}
2. 加載數據
MapReduce 與 HBase可以充分利用集羣的分佈式模型，將原始數據複製到hdfs中。
每個任務只有一個HTable實例， 默認情況下，每個HTable.put(put)，在執行插入操作時，不任何緩存。不過想使用緩存，是可以自己設置的。
3. Web查詢
可以直接使用HBase的java API來實現一個Web的應用。HTable.get()可用來獲取已定義的列族的所有內容。get的結果返回給Result， 包含的是數據行。
HBase還可以使用掃描器scanner來檢索觀測數據。並且獲取的是一個有序的結果。類似於傳統數據庫中的“遊標”。HTable.getScanner(scan).
3. HBase的數據模式是怎麼樣的？即有哪些元素？如何存儲？等
1）. 數據模式
如下列三個表：
第一個是一個稀疏的表，實際上它是一個虛表，僅是一個概念視圖，不是真實的存儲形式，它來源於後兩個表。
而後兩個表纔是真正的表，物理視圖，他們是實際的存儲形式，而且它們是按列族進行存儲的。
| Row Key | Time Stamp |
ColumnFamily contents |
ColumnFamily anchor |
|---|---|---|---|
| "com.cnn.www" | t9 |
|
anchor:cnnsi.com = "CNN" |
| "com.cnn.www" | t8 |
|
anchor:my.look.ca = "CNN.com" |
| "com.cnn.www" | t6 |
contents:html = "<html>..." |
|
| "com.cnn.www" | t5 |
contents:html = "<html>..." |
|
| "com.cnn.www" | t3 |
contents:html = "<html>..." |
|
| Row Key | Time Stamp |
Column Family anchor |
|---|---|---|
| "com.cnn.www" | t9 |
anchor:cnnsi.com = "CNN" |
| "com.cnn.www" | t8 |
anchor:my.look.ca = "CNN.com" |
| Row Key | Time Stamp | ColumnFamily "contents:" |
|---|---|---|
| "com.cnn.www" | t6 |
contents:html = "<html>..." |
| "com.cnn.www" | t5 |
contents:html = "<html>..." |
| "com.cnn.www" | t3 |
contents:html = "<html>..." |
2）. HBase的基本元素：
表、行、列、單元格： 表的基本要素
鍵：一般是指行的鍵，即唯一標識某行的元素。表中的行，可以根據鍵進行排序，而對錶的訪問，也通過鍵。
列族：所有列族成員擁有相同的前綴，某列族的成員，需要預先定義，但也可以直接進行追加。
列族成員會一起放進存儲器。而HBase面向列的存儲，是面向列族的數據存儲（這個通過上面那個表的示例可以看出來），數據存儲與調優都在這個層次，HBase表與RDBMS中表類似，行是排序的，客戶端可以把列添加到列族中去。
單元格cell： 單元格中存放的是不可分割的字節數組。並且每個單元格擁有版本信息。HBase的是按版本信息倒序排列。
區域region：將表水平劃分，是HBase集羣分佈數據的最小單位。在線的所有區域就構成了表的內容。
加鎖：對數據行進行更新，都需加鎖。保持原子性。
3） 數據模型有哪些操作？
Get、Scan、Put、Delete，即返回特定行的屬性，多行屬性、插入、刪除數據。
這些都需要一個HTable實例來操作。分別有Get、Scan、Put、Delete類來指定相應的參數、屬性。
以scan爲示例：
- HTable htable = ... // instantiate HTable
- Scan scan = new Scan();
- scan.addColumn(Bytes.toBytes("cf"),Bytes.toBytes("attr"));
- scan.setStartRow( Bytes.toBytes("row")); // start key is inclusive
- scan.setStopRow( Bytes.toBytes("row" + (char)0)); // stop key is exclusive
- ResultScanner rs = htable.getScanner(scan);
- try {
- for (Result r = rs.next(); r != null; r = rs.next()) {
- // process result...
- } finally {
- rs.close(); // always close the ResultScanner!
- }
先是行、再是列族、再是列修飾符，最後是時間戳（反向排序，最新的在前面）。
5）最後，HBase不支持聯合查詢
6）mapreduce與HBase表配合使用，默認mapreduce的任務分割是根據HBase表中region的多少來分割，一個region就有一個map。