什麼是HBase?
HBase是一個高可靠性、高性能、可伸縮的分佈式存儲系統：
• 一個構建在HDFS上的分佈式NoSQL數據庫；
• 基於Google BigTable模型開發的，典型的key/value系統；
• 具有鬆散的表結構；原生海量數據分佈式存儲；支持隨機查詢、範圍查詢
• 高吞吐，低延遲；
• 列存儲，多版本，增量導入，多維刪除
HDFS 與 HBase
Hdfs是一個分佈式文件系統，適合儲存大文件；不支持單個記錄快速查找；適合高延遲的批處理；是對數據的順序訪問。HBase是基於hdfs的，適合大表快速查詢，且能夠對單個記錄實現快熟查詢的；在內部使用hash表提供文件形式儲存數據，用於快熟查找。 HBase上的數據是以StoreFile(HFile)二進制流的形式存儲在HDFS上block塊中。HDFS並不知道的hbase存的是什麼，它只把存儲文件視爲二進制文件，也就 是說，hbase的存儲數據對於HDFS文件系統是透明的。
可以提煉出hbase具有這些特性：
1.大:一個表可以有數十億行，上百萬列;
2.無模式:每行都有一個可排序的主鍵和任意多的列，列可以根據需要動態的增加，同一張表中不同的行可以有截然不同的列;
3.面向列:面向列(族)的存儲和權限控制，列(族)獨立檢索;
4.稀疏、多維、排序的map:空(nul) 列並不佔用存儲空間，表可以設計的非常稀疏:每個單元中的數據可以有多個版本，默認情況下版本號自動分配，是單元格插入時的時間戳:
5.數據類型單- -: Hbase中 的數據都是字符串，沒有類型。
6.強一致性讀寫:HBase不是“最終一致性”數據存儲。這讓它很適合高速7.計數聚合類任務:自動分片(Automatic sharding): HBase 表通過region 分佈在集羣中。數據增長時，region會自動分割並重新分佈;
8.RegionServer自動故障轉移和負載均衡;
9.Hadoop/HDFS集成: HBase 文持開箱即用地支持HDFS作爲它的分佈式文件系統:
10.MapReduce: HBase 通過MapReduce 支持大併發處理;
11.實時、隨機地大數據訪問: HBase內 部使用lsM-tellog-structured merge tree)作爲數據存儲架構，LSM-tree周 期性地合併小文件到較大的文件，以減少硬盤尋址Java客戶端API:HBase支持易於使用的JavaAPI進行編程訪問;
12.Thrift/REST API: HBase 也支持Thrift和REST作爲非Java前端的訪問;
13.Block Cache和Bloom Filter:對於大容量查詢優化，HBase 支持Block Cache和Bloom Filter
14.快照支持
根據HBase的特性，可以推測其應用場景：
首先，確信有足夠多數據，如果有上億或上千億行數據，HBase 是很好的備選，可在大數據上高併發操作，比如每秒對PB級數據進行上千次操作(如果只有上千或上百萬行，則用傳統的RDBMS可能是更好的選擇)需要對數據進行隨機讀操作或者隨機寫操作;
HBase能夠爲大數據提供實時的讀/寫操作，但是根據實際情況來看，HBase在實時的數據寫入性能上優於查詢性能。
其次，確信可以不依賴所有RDBMS的額外特性(例如，列數據類型、第二索引、事務、高級查詢語言等)
第三，確信有足夠的硬件。因爲HDFS在小於5個數據節點時，基本上體現不出它的優勢。
HBase的數據模型
在HBase中, 數據存儲在表中,表具有行(row)和列(column)：
在HBase中,列值所在的位置，稱爲cell(單元格) ： cell內的每個值可由rowkey+column family+column key+timestamp聯合表示 ； 每個cell可能有多個版本的數據，按時間戳區分。
在HBase中,記錄以key-value對的形式存儲在HFile文件中： HFile是作爲二進制文件存儲的；來自單個列族的記錄可能會被split到多個HFile中，但是單個的HFile不可 能包含來自多個列族的數據 ； 當MemStore中的數據被flush到磁盤中時，就創建HFile文件。
HBase的核心數據結構就是 map： map 就是 key-value 對集合；HBase中的 map 是按字母順序嚴格排序的，也就是說，按照 row key(行鍵)以 字母順序排序 ；可將HBase中的表視爲Key-Value表 ； Key: 行鍵+列族+列+時間戳 ；Value: 數據值 ；可以將HBase表看作是一個多維的map。
命名空間(namespace)是邏輯上的一組表，等同於RDBMS中的數據庫；命名空間的操縱有創建、刪除和修改 ；有兩個專門的預定義命名空間： hbase - 系統命名空間, 用來包含HBase內部表 、default - 沒有顯式指定命名空間的表會位於這個namespace 。
表(table) 是多個 row 組成 。
行(row) ，每一 個row代表着一個數據對象，由一個 row key(行鍵)和一或多個具有值的 column 組成，
RowKey(行鍵)是表中每個數據對象的唯一標識,是Byte array,按字母順序排序,即 row 也是按 照這個順序來進行存儲的；Rowkey的設計非常重要，一個重要的原則是:相關的 row 要存儲在接近的位置 ；與 NoSQL 數據庫一樣，Row Key 是用來檢索記錄的主鍵。
Column Family(列族)：column family 是一些 column 的集合.每個column family有着一系列屬性；表中的每一row都有相同的column family；訪問控制、磁盤和內存的使用統計都是在列族層面進行的；column family 必須在 table 建立的時候聲明。
Column Qualifier(列限定符)： 在column family中加入column qualifier是爲了向給定的數據提供索引； column family 中的數據通過 column qualifier 來進行映射； column qualifier 也沒有特定的數據類型，以二進制字節來存儲； column family 和 column qualifier 組成列(column),由冒號(:)分隔，列(column) 隨時可以新建。
Cell(單元格)： Cell 是由{row key,column family:column qualifier, version}元組唯一確定的單元； Cell 中的數據是沒有類型的，全部是字節碼形式存儲。
版本(Version)： 每個value都會有一個 timestamp，作爲該value特定版本的標識符； 默認情況下,timestamp 代表數據被寫入 RegionServer 的時間； row和column以字節(byte)存儲，而version則是一個長整數 ；HBase version維度以降序存儲, 因此，當從store file中讀取時，最近的 值首先被讀取。
指定存儲的版本數量 ： 在表創建時指定一個給定列的存儲版本的最大數量，或者通過alter命令修改； 在HBase 0.96之前,默認的版本數量是3,但是從0.96起,這個默認值改爲了1。 例：修改一個Column Family的版本的最大數量爲5 hbase> alter ‘t1’, NAME => ‘f1’, VERSIONS => 5 ； 還可以修改每個column family存儲的版本的最小數量。默認是0，意味着這個 特性被禁用。 例：修改一個Column Family的版本的最小數量 hbase> alter ‘t1’, NAME => ‘f1’, MIN_VERSIONS => 2； 從HBase 0.98.2開始，可以指定一個全局的默認最大版本數量，用於所有新 創建的表: 在hbase-site.xml中指定hbase.column.max.version參數值。
有四個主要的數據模型操作: Get, Put, Scan, Delete。 get: 返回一個指定行的屬性 ； put：向表添加新的行(如果key是新的)或者更新已經存在的行(如果 key已經存在)； scan：掃描整個表； delete：從表中刪除指定的行。
訪問 HBase table 中的行，只有三種方式：通過單個 Row Key 訪問 ； 通過 Row Key 的 range 全表掃描 ； Row Key 可以是任意字符串(最大長度是64KB，實際應用中長度一般 爲 10 ~ 100bytes)，在HBase 內部，Row Key 保存爲字節數組。
查詢： 在查詢中不指定時間，返回的將是最近的一個時間的版本；如果給出 timestamp，返回的將是早於這個時間的數值。
更新和刪除操作， 更新：將修改後的數據以新版本的形式插入到表中；刪除：將欲刪除的數據以新版本的形式插入表中，並做刪除標記。 在major compaction時被清除； HBase在進行數據存儲的時候，新的數據並不會直接覆蓋舊的數據， 而是通過追加的形式呈現，並通過時間戳進行區分取值； 可以簡單的把HBase理解爲一個很大的HashTable，Key-Value形式就是 其存儲結構，當使用put操作的時候，如果RowKey不存在就是添加， 反之就是更新。
Table 在行的方向上分割爲多個HRegion，每個HRegion分散在不同 的RegionServer中。每個HRegion由多個Store構成，每個Store由一個memStore和0或多 個StoreFile組成，每個Store保存一個Columns Family。
HBase的架構
主-從(Master/Slave)架構，由以下類型節點組成： HMaster節點：RegionServer節點、ZooKeeper集羣。HMaster和NameNode都支持多個熱備份，使用ZooKeeper來做協調 ；ZooKeeper一般由三臺機器組成一個集羣，內部使用PAXOS算法，可以支持同時少於半數的宕機。
HMaster： 監控RegionServers ； 處理RegionServers的故障轉移 ； 處理元數據的變化 ； 分配regions/解除regions分配； 接口的所有元數據變化 ； 在空閒時間執行重新加載平衡 ； 它將它的位置發佈給使用使用ZooKeeper的客戶端 ； HMaster Web UI提供所有與HBase集羣有關的信息(表,regions,RegionServerst等)。
HRegionServer： 服務於分配給它的regions(表)；處理客戶端的讀/寫請求； 將緩存刷新(flush)到HDFS； 維護WAL預寫日誌(Write-Ahead logs)； 執行compactions ； 負責處理region split（拆分region）。
**ZooKeeper：**協調者，爲HBase集羣提供協調服務 ；它存放整個HBase集羣的元數據以及集羣的狀態信息 ； 它存儲HMaster的地址,並存儲HBase中表的設計模式； 它實時管理着HMaster和HRegionServer的狀態，並且會在它們宕機時通知給 HMaster,從而HMaster可以實現HMaster之間的failover,或對宕機的HRegionServer中的HRegion的修復(將它們分配給其他的HRegionServer)； ZooKeeper集羣本身使用一致性協議(PAXOS協議)保證每個節點狀態的一致性。
HBase的優缺點
HBase的優點： HBase採用強一致性模型，在一個寫返回後，保證所有的讀都讀到相同的 數據(行級別原子性，即，PUT 操作一定是完全成功或者完全失敗); 通過HRegion動態Split和Merge實現數據存儲自動水平擴展，並使用HDFS提 供的多個數據備份功能，實現高可用性;列可以動態增加，並且列爲空就不存儲數據，節省存儲空間 ; 採用HRegionServer和DataNode運行在相同的服務器上實現數據的本地化， 提升讀寫性能，並減少網絡壓力;內建HRegionServer的宕機自動恢復。採用WAL來Replay還未持久化到HDFS 的數據。(容錯性,自動故障轉移); 可以無縫的和Hadoop/MapReduce集成，有利於數據分析; Hbase 可以提供高併發讀寫操作的支持; 版權免費 ; 非常靈活的模式設計（或者說沒有固定模式的限制）;可以跟 Hive 集成，使用類 SQL 查詢 ; 客戶端接口易於使用。
HBase的缺點：不能支持條件查詢，只支持按照 row key 來查詢； 容易產生單點故障（在只使用一個 HMaster 的時候） ； 不支持事務 ；JOIN 不是數據庫層支持的，而需要用 MapReduce； 只能在行鍵上索引和排序； 沒有內置的身份和權限認證；WAL的Replay過程可能會很慢； 災難恢復比較複雜，也會比較慢； Major Compaction會引起IO Storm。
除了上面介紹的基本概念，如何將不同來源的數據導入導出HBase也需要掌握，以及如何在HBase中創建刪除更新表等。