一、Hbase概念
Hbase是一個高可靠、高性能、面向列、可伸縮的分佈式數據庫，利用hBase技術可以在廉價pc上搭建大規模結構化數據集羣。Hbase參考Google的BigTable建模，使用類似GFS的HDFS作爲底層文件存儲系統，在其上可以運行MapReduce批量處理數據，使用Zookeeper作爲協同服務組件。
二、Hbase特性
Hbase作爲一個典型的NoSQL數據庫，可以通過行健檢索數據，僅支持單行事務，主要用於存儲非結構化數據和半結構化的鬆散數據，
1.容量巨大
Habse的單標可以有百億行、百萬列，數據矩陣橫向和縱向兩個維度所支持的數據量級都非常具有彈性。
2.面向列
Hbase是面向列的存儲和權限控制，並支持列獨立檢索。
列式數據庫特性：
1）數據按列存儲，即每一列單獨存放
2）數據即索引
3）只訪問查詢涉及的列，可以大量降低系統IO
4）每一列由一個線索來處理，即查詢的併發處理性能高
5）數據類型一致，數據特徵相似，可以高效壓縮
3.稀疏性
傳統數據庫中爲NULL的列佔用存儲空間，造成存儲空間浪費，而Hbase中爲NULL的列不佔用存儲空間，因此，表可以設計的非常稀疏
4.擴展性
Hbase底層文件存儲依賴HDFS，因此Hbase具備可擴展性。Hbase的擴展是熱擴展，在不停止現有服務的前提下，可以隨時添加或減少節點。
5.高可靠性
Hbase提供了WAL和Replication機制。前者保證了數據寫入時不會因集羣異常而導致寫入數據的丟失；後者保證了在集羣出現嚴重問題時數據不會發生丟失或者損壞。
6.高性能
底層的LSM數據結構和RowKey有序排列等架構上的獨特設計，使得Hbase具有非常高的寫入性能。Region切分、主鍵索引和緩存機制使得Hbase在海量數據下具備一定的隨機讀取性能，改性能針對RowKey的查詢能達到毫秒級。
三、Hbase數據模型
Hbase是一種列式存儲的分佈式數據庫，其核心概念是表。與傳統的關係型數據庫一樣，表由行和列組成，但Hbase同一列可以存儲不同時刻的值，同時多個列可以組成一個列族。
表：
在Hbase中數據以標的形式存儲，同一個表中的數據通常是相關的，通過列族進一步把一些列組織在一起進行訪問。
Hbase列式存儲格式允許用戶存儲大量的信息在相同的表中，而在RDBMS模型中，大量信息則需要切分成多個表存儲。
Hbase創建表時，需要指定表名和至少一個列族，。列族影響表的無力存儲結構，創建表後列族還可以更改，只是比較麻煩。
行健（RowKey）：
行健是不可分割的字節數組，行健是按字典排序由低到高存儲在表中的，一億個空的數組來標識表空間的其實或者結尾。
RowKey被冗餘存儲，所以長度不宜過長，過長的RowKey將會佔用大量的空間同時會降低檢索效率。
RowKey應該儘量分佈均勻，這樣不會產生熱點現象。
RowKey在設計上必須保證唯一性。
列族：
Hbase中的列族是一些列的集合。一個列族中所有的列成員有着相同的前綴。
冒號（:）是列族的分隔符，用來區分列族前綴和列名。
在物理上一個列族的成員在文件系統都是存儲在一起的。因爲存儲優化都是針對列族級別的，這就意味着，一個列族的所有成員都是通過相同的方式訪問的。
在創建表的時候至少要指定一個列族，新的列族可以隨後按需動態的添加，但是修改列族要先停用表。
應該將經常一起查詢的列放到同一個列族中，合理的劃分列族將減少查詢時加載到緩存的數據，提高查詢的效率。但是頁不要有太多的列族，因爲跨列族訪問是非常低效的。
單元格：
Hbase中的單元格由行健、列族、列、時間戳唯一確定。
單元格的內容是不可分隔的字節數組。
每個單元格都保存着同一份數據的多個版本，不同時間版本的數據按照時間順序倒序排序，最新的時間排在最前面，時間戳是64位的整數，可以由客戶端在寫入數據時賦值也可以由RegionServer自動賦值。
四、數據模型的操作
Hbase對數據模型的四個操作主要是Get、Put、Scan和Delete。通過實例進行操作，用戶可以完成向Hbase存儲和檢索數據，以及刪除無效數據之類的操作。
所有修改數據的操作都必須保證行級別的原子性，多個客戶端或線程對同一行的讀寫操作都不會影響該數據的原子性，要麼讀到最新的數據，要麼等待系統允許寫入該行的修改。
讀Get:
Get操作是指從客戶端API中獲取已存儲數據的方法。HTable類中提供了get（）方法，同時還有與之對應的Get類，Get操作返回一行或多行數據。
get（）方法默認一次取回該行全部列的數據，我們可以限定只取回某個列族對應的列的數據，或者進一步限定只取回某些列的數據。
當用戶使用get（）方法獲取數據時，Hbase返回的結果包含所有匹配的單元格數據，這些數據將被封裝在一個Result的實例中返回給用戶。用Result類提供的方法，可以從服務器端獲取匹配指定行的特定返回值。這些值包括列族、列限定符和時間戳等。
寫Put：
Put操作要麼向表增加新行（Key不存在），要麼更新行（Key已存在）。
Put可以一次向表中插入一行數據，也可以一次操作一個集合，同時向表中寫入多行數據。如果要頻繁的修改某些數據，用戶應該創建一個RowLock實例來防止其他用戶對該數據進行修改。
Put操作每次都會發起一次到服務器的RPC操作，如果有大量的數據要寫入表中，就會有數千次的RPC操作，這樣會導致效率很低。Hbase客戶端有一個緩衝區，負責將數據批量的僅通過一次RPC操作發送到服務器端，這樣可以大大提高寫入性能，默認客戶端寫緩衝區是關閉的，需要顯示打開該選項。
當將一個Put集合提交到服務端的時候，可能會出現部分成功或部分失敗的可能，失敗的數據會被保存到緩衝區中進行重試。
Hbase還提供了一個compare-and-set操作，這個操作先進行檢查，條件滿足後在執行，這個操作對於行是原子性的。
掃描（Scan）：
Scan操作允許多行特定屬性迭代，其實用與get（）方法非常類似。
Scan操作執行後將得到一個執行結果，該結果被封裝在一個ResultScanner實例中。
刪除（Delete）：
Delete用於從表中刪除數據。HTable除了提供刪除方法delete（）方法只外，還有一個與之對應的Delete類，用戶可以通過多中方法限定要刪除的列。
Hbase的delete操作可以指定刪除某個列族或者某個列，或者指定某個時間戳，刪除比這個時間早的數據。
Hbase的delete操作並不是正真從磁盤刪除數據，而是通過創建墓碑標誌進行處理。這些墓碑標記的值和小於該時間版本的單元格在大合併時被清除。
五、數據模型的特殊屬性
1.版本
RowKey（行健）、Column（列族和列）、Version（版本）組合在一起成爲Hbase中的一個單元格，但是因爲有可能會有很多單元格的行和列式相同的，因此要區分不同的單元格可以使用版本。
RowKey和Column的值是用字節數組表示的，而Version則使用一個長整型表示，這個長整型值是使用java.util.Date.getTime()或者System.currentTimeMillis()產生的這就意味着它的含義是“當前時間和1970-01-01 UTC的時間差，單位毫秒”。
在Hbase中，版本是按倒序排列的，因此讀取這個文件的時候，最先找到的是最近的版本。
2，排序
Get和Scan操作返回的都是經過排序的數據。列在服務器端也是字典排序的，所以按照名稱的字典順序返回。總體來說，返回的數據首先按字典序排序，其次是列族，然後是列修飾符，最後是時間戳反向排序，最新的在最前面。
3.列的元數據
對於Hbase表中的列族，除了KeyValue實例以外，沒有關於元數據的描述，KeyValue對象表示Hbase的最小單位是cell。Hbase的表不僅在一行中支持許多列，而且支持行之間有不同的列，所以需要單獨維護行和列之間的關係。獲取列族完整列名的唯一方法就是處理所有行。
4.連接查詢
Hbase不支持連接查詢，用戶想要在應用中實現連接查詢，必須要自己實現。
5.計數器
ICV是Hbase的計數器，可以使用它完成一些諸如計算頁面瀏覽量的操作。ICV操作發生在RegionServer上，而不是在客戶端，所以速度快，使用方式也沒有那麼繁瑣。
6.原子操作
類似Java的原子類，HTableInterface接口也提供checkAndPut和checkAndDelete方法。
7.事務特性ACID
Hbase數據庫僅提供對行級別的原子性保證，也就是說同時對同一個Key下的數據進行兩個操作，在實際執行的時候會串行的執行，保證了沒一個KeyValue對不會被破壞。
Hbase不是一個具備完整ACID特性的數據庫，它只是實現了某些屬性。
HbaseACID設計原則：
1）對於同一行所有列的修改是原子性的，對於該行的put操作要麼整體成功要麼整體失敗。
2）一個返回成功標誌的操作肯定是完全成功的。
3）一個返回失敗標誌的操作肯定是完全失敗的。
4）超時的操作可能成功也可能失敗。但不會是部分成功或失敗。
5）對於同一行跨多個列族的的操作也遵循上面的原則。
6）多行操作不能保證原子性
7）checkAndPut是原子性的
8）批量修改操作不能跨越多行
9）所有修改操作是保證順序的
10）一致性和隔離性。通過API得到的行的數據是一個完整的行，數據由表中某個時刻的數據構成
11）持久性。所有可以讀取到的數據保證都是已經被持久化到磁盤上的。也就是說不會讀到沒有寫到磁盤上的數據。所有返回成功操作的數據都是處於持久化到磁盤上的。返回失敗的都沒有持久化。
8.行鎖
Hbase API中put()、delete()、checkAndPut()等修改操作是獨立執行的這意味着在一個串行方式的執行中，對於每一行必須保證行級別的操作是原子性的。RegionServer提供了一個行鎖特性，這個特性保證了只有一個客戶端能獲取一行數據相應的鎖，同時對該行進項修改。
9.自動分區
Hbase中的一個表的數據會被劃分成很多Region，Region可以動態擴展，而且Hbase保證Region的負載均衡。Region實際上是行健排序後的按規則分割的連續的存儲空間。如果Region太大會被動態拆分，相反，多個Region會合併成一個較大的Region。
