HBase简介

　　HBase是一个构建在HDFS上的分布式列存储系统；
　　HBase是基于Google BigTable模型开发的，典型的key/value系统；
　　HBase是Apache Hadoop生态系统中的重要一员，主要用于海量结构化数据存储；
　　从逻辑上讲，HBase将数据按照表、行和列进行存储；
　　与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

HBase的优势

　　将随机读写转化为顺序读写，适应高并发写入；
　　均衡效果好，读写性能和机器数保持线性相关；
　　行中没有保存数据的列，不占存储空间；
　　分布式特性：基于HDFS、ZK，一致性，可用性，分区容忍性，大数据存储，易扩展。

Hbase表的特点

　　大：一个表可以有数十亿行，上百万列；
　　无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列；
　　面向列：面向列（族）的存储和权限控制，列（族）独立检索；
　　稀疏：空（null）列并不占用存储空间，表可以设计的非常稀疏；
　　数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入时的时间戳；
　　数据类型单一：Hbase中的数据都是字符串，没有类型。

HBase VS RDBMS

　　HBase中的数据都是字符串类型（String）；
　　HBase只有普通的增删改查等操作，没有表之间的关联查询；
　　HBase是基于列式存储，而RDBMS是基于行式存储的；
　　HBase适合存储大量数据，查询效率极高。

HBase数据模型

　　应用程序是以表的方式在HBase存储数据的。表是由行和列构成的，所有的列是从属于某一个列族的。行和列的交叉点称之为cell,cell是版本化的。cell的内容是不可分割的字节数组。
　　表的行键也是一段字节数组，所以任何东西都可以保存进去，不论是字符串或者数字。HBase的表是按key排序的，排序方式之针对字节的。所有的表都必须要有主键-key。

逻辑视图如下：

Hbase基本概念

1.行键（RowKey）

　　RowKey：是Byte array，是表中每条记录的“主键”，方便快速查找，Rowkey的设计非常重要。
　　行键是字节数组, 任何字符串都可以作为行键；
　　表中的行根据行键进行排序，数据按照Row key的字节序(byte order)排序存储；
　　所有对表的访问都要通过行键 （单个RowKey访问，或RowKey范围访问，或全表扫描)

2.列族（ColumnFamily）

　　Column Family：列族，拥有一个名称(string)，包含一个或者多个相关列
　　列族必须在表定义时给出；
　　每个CF可以有一个或多个列成员(ColumnQualifier)，列成员不需要在表定义时给出，新的列族成员可以随后按需、动态加入；
　　数据按列族分开存储，HBase所谓的列式存储就是根据列族分开存储（每个列族对应一个Store），这种设计非常适合于数据分析的情形。

3.列（Column）

　　Column：属于某一个columnfamily，familyName:columnName，每条记录可动态添加

4.时间戳（TimeStamp）

　　每个Cell可能又多个版本，它们之间用时间戳区分

5.单元格（Cell）

　　Cell 由行键，列族:限定符，时间戳唯一决定；
　　Cell中的数据是没有类型的，全部以字节码形式存贮；

6.区域(Region）

　　HBase自动把表水平（按Row）划分成多个区域(region)，每个region会保存一个表里面某段连续的数据；
　　每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region；
　　当table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Region 上；
　　HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元表示不同的HRegion可以分布在不同的HRegionServer上。但一个HRegion不会拆分到多个server上。