什么是HBase?
HBase是一个高可靠性、高性能、可伸缩的分布式存储系统：
• 一个构建在HDFS上的分布式NoSQL数据库；
• 基于Google BigTable模型开发的，典型的key/value系统；
• 具有松散的表结构；原生海量数据分布式存储；支持随机查询、范围查询
• 高吞吐，低延迟；
• 列存储，多版本，增量导入，多维删除
HDFS 与 HBase
Hdfs是一个分布式文件系统，适合储存大文件；不支持单个记录快速查找；适合高延迟的批处理；是对数据的顺序访问。HBase是基于hdfs的，适合大表快速查询，且能够对单个记录实现快熟查询的；在内部使用hash表提供文件形式储存数据，用于快熟查找。 HBase上的数据是以StoreFile(HFile)二进制流的形式存储在HDFS上block块中。HDFS并不知道的hbase存的是什么，它只把存储文件视为二进制文件，也就 是说，hbase的存储数据对于HDFS文件系统是透明的。
可以提炼出hbase具有这些特性：
1.大:一个表可以有数十亿行，上百万列;
2.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;
3.面向列:面向列(族)的存储和权限控制，列(族)独立检索;
4.稀疏、多维、排序的map:空(nul) 列并不占用存储空间，表可以设计的非常稀疏: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:
5.数据类型单- -: Hbase中 的数据都是字符串，没有类型。
6.强一致性读写:HBase不是“最终一致性”数据存储。这让它很适合高速7.计数聚合类任务:自动分片(Automatic sharding): HBase 表通过region 分布在集群中。数据增长时，region会自动分割并重新分布;
8.RegionServer自动故障转移和负载均衡;
9.Hadoop/HDFS集成: HBase 文持开箱即用地支持HDFS作为它的分布式文件系统:
10.MapReduce: HBase 通过MapReduce 支持大并发处理;
11.实时、随机地大数据访问: HBase内 部使用lsM-tellog-structured merge tree)作为数据存储架构，LSM-tree周 期性地合并小文件到较大的文件，以减少硬盘寻址Java客户端API:HBase支持易于使用的JavaAPI进行编程访问;
12.Thrift/REST API: HBase 也支持Thrift和REST作为非Java前端的访问;
13.Block Cache和Bloom Filter:对于大容量查询优化，HBase 支持Block Cache和Bloom Filter
14.快照支持
根据HBase的特性，可以推测其应用场景：
首先，确信有足够多数据，如果有上亿或上千亿行数据，HBase 是很好的备选，可在大数据上高并发操作，比如每秒对PB级数据进行上千次操作(如果只有上千或上百万行，则用传统的RDBMS可能是更好的选择)需要对数据进行随机读操作或者随机写操作;
HBase能够为大数据提供实时的读/写操作，但是根据实际情况来看，HBase在实时的数据写入性能上优于查询性能。
其次，确信可以不依赖所有RDBMS的额外特性(例如，列数据类型、第二索引、事务、高级查询语言等)
第三，确信有足够的硬件。因为HDFS在小于5个数据节点时，基本上体现不出它的优势。
HBase的数据模型
在HBase中, 数据存储在表中,表具有行(row)和列(column)：
在HBase中,列值所在的位置，称为cell(单元格) ： cell内的每个值可由rowkey+column family+column key+timestamp联合表示 ； 每个cell可能有多个版本的数据，按时间戳区分。
在HBase中,记录以key-value对的形式存储在HFile文件中： HFile是作为二进制文件存储的；来自单个列族的记录可能会被split到多个HFile中，但是单个的HFile不可 能包含来自多个列族的数据 ； 当MemStore中的数据被flush到磁盘中时，就创建HFile文件。
HBase的核心数据结构就是 map： map 就是 key-value 对集合；HBase中的 map 是按字母顺序严格排序的，也就是说，按照 row key(行键)以 字母顺序排序 ；可将HBase中的表视为Key-Value表 ； Key: 行键+列族+列+时间戳 ；Value: 数据值 ；可以将HBase表看作是一个多维的map。
命名空间(namespace)是逻辑上的一组表，等同于RDBMS中的数据库；命名空间的操纵有创建、删除和修改 ；有两个专门的预定义命名空间： hbase - 系统命名空间, 用来包含HBase内部表 、default - 没有显式指定命名空间的表会位于这个namespace 。
表(table) 是多个 row 组成 。
行(row) ，每一 个row代表着一个数据对象，由一个 row key(行键)和一或多个具有值的 column 组成，
RowKey(行键)是表中每个数据对象的唯一标识,是Byte array,按字母顺序排序,即 row 也是按 照这个顺序来进行存储的；Rowkey的设计非常重要，一个重要的原则是:相关的 row 要存储在接近的位置 ；与 NoSQL 数据库一样，Row Key 是用来检索记录的主键。
Column Family(列族)：column family 是一些 column 的集合.每个column family有着一系列属性；表中的每一row都有相同的column family；访问控制、磁盘和内存的使用统计都是在列族层面进行的；column family 必须在 table 建立的时候声明。
Column Qualifier(列限定符)： 在column family中加入column qualifier是为了向给定的数据提供索引； column family 中的数据通过 column qualifier 来进行映射； column qualifier 也没有特定的数据类型，以二进制字节来存储； column family 和 column qualifier 组成列(column),由冒号(:)分隔，列(column) 随时可以新建。
Cell(单元格)： Cell 是由{row key,column family:column qualifier, version}元组唯一确定的单元； Cell 中的数据是没有类型的，全部是字节码形式存储。
版本(Version)： 每个value都会有一个 timestamp，作为该value特定版本的标识符； 默认情况下,timestamp 代表数据被写入 RegionServer 的时间； row和column以字节(byte)存储，而version则是一个长整数 ；HBase version维度以降序存储, 因此，当从store file中读取时，最近的 值首先被读取。
指定存储的版本数量 ： 在表创建时指定一个给定列的存储版本的最大数量，或者通过alter命令修改； 在HBase 0.96之前,默认的版本数量是3,但是从0.96起,这个默认值改为了1。 例：修改一个Column Family的版本的最大数量为5 hbase> alter ‘t1’, NAME => ‘f1’, VERSIONS => 5 ； 还可以修改每个column family存储的版本的最小数量。默认是0，意味着这个 特性被禁用。 例：修改一个Column Family的版本的最小数量 hbase> alter ‘t1’, NAME => ‘f1’, MIN_VERSIONS => 2； 从HBase 0.98.2开始，可以指定一个全局的默认最大版本数量，用于所有新 创建的表: 在hbase-site.xml中指定hbase.column.max.version参数值。
有四个主要的数据模型操作: Get, Put, Scan, Delete。 get: 返回一个指定行的属性 ； put：向表添加新的行(如果key是新的)或者更新已经存在的行(如果 key已经存在)； scan：扫描整个表； delete：从表中删除指定的行。
访问 HBase table 中的行，只有三种方式：通过单个 Row Key 访问 ； 通过 Row Key 的 range 全表扫描 ； Row Key 可以是任意字符串(最大长度是64KB，实际应用中长度一般 为 10 ~ 100bytes)，在HBase 内部，Row Key 保存为字节数组。
查询： 在查询中不指定时间，返回的将是最近的一个时间的版本；如果给出 timestamp，返回的将是早于这个时间的数值。
更新和删除操作， 更新：将修改后的数据以新版本的形式插入到表中；删除：将欲删除的数据以新版本的形式插入表中，并做删除标记。 在major compaction时被清除； HBase在进行数据存储的时候，新的数据并不会直接覆盖旧的数据， 而是通过追加的形式呈现，并通过时间戳进行区分取值； 可以简单的把HBase理解为一个很大的HashTable，Key-Value形式就是 其存储结构，当使用put操作的时候，如果RowKey不存在就是添加， 反之就是更新。
Table 在行的方向上分割为多个HRegion，每个HRegion分散在不同 的RegionServer中。每个HRegion由多个Store构成，每个Store由一个memStore和0或多 个StoreFile组成，每个Store保存一个Columns Family。
HBase的架构
主-从(Master/Slave)架构，由以下类型节点组成： HMaster节点：RegionServer节点、ZooKeeper集群。HMaster和NameNode都支持多个热备份，使用ZooKeeper来做协调 ；ZooKeeper一般由三台机器组成一个集群，内部使用PAXOS算法，可以支持同时少于半数的宕机。
HMaster： 监控RegionServers ； 处理RegionServers的故障转移 ； 处理元数据的变化 ； 分配regions/解除regions分配； 接口的所有元数据变化 ； 在空闲时间执行重新加载平衡 ； 它将它的位置发布给使用使用ZooKeeper的客户端 ； HMaster Web UI提供所有与HBase集群有关的信息(表,regions,RegionServerst等)。
HRegionServer： 服务于分配给它的regions(表)；处理客户端的读/写请求； 将缓存刷新(flush)到HDFS； 维护WAL预写日志(Write-Ahead logs)； 执行compactions ； 负责处理region split（拆分region）。
**ZooKeeper：**协调者，为HBase集群提供协调服务 ；它存放整个HBase集群的元数据以及集群的状态信息 ； 它存储HMaster的地址,并存储HBase中表的设计模式； 它实时管理着HMaster和HRegionServer的状态，并且会在它们宕机时通知给 HMaster,从而HMaster可以实现HMaster之间的failover,或对宕机的HRegionServer中的HRegion的修复(将它们分配给其他的HRegionServer)； ZooKeeper集群本身使用一致性协议(PAXOS协议)保证每个节点状态的一致性。
HBase的优缺点
HBase的优点： HBase采用强一致性模型，在一个写返回后，保证所有的读都读到相同的 数据(行级别原子性，即，PUT 操作一定是完全成功或者完全失败); 通过HRegion动态Split和Merge实现数据存储自动水平扩展，并使用HDFS提 供的多个数据备份功能，实现高可用性;列可以动态增加，并且列为空就不存储数据，节省存储空间 ; 采用HRegionServer和DataNode运行在相同的服务器上实现数据的本地化， 提升读写性能，并减少网络压力;内建HRegionServer的宕机自动恢复。采用WAL来Replay还未持久化到HDFS 的数据。(容错性,自动故障转移); 可以无缝的和Hadoop/MapReduce集成，有利于数据分析; Hbase 可以提供高并发读写操作的支持; 版权免费 ; 非常灵活的模式设计（或者说没有固定模式的限制）;可以跟 Hive 集成，使用类 SQL 查询 ; 客户端接口易于使用。
HBase的缺点：不能支持条件查询，只支持按照 row key 来查询； 容易产生单点故障（在只使用一个 HMaster 的时候） ； 不支持事务 ；JOIN 不是数据库层支持的，而需要用 MapReduce； 只能在行键上索引和排序； 没有内置的身份和权限认证；WAL的Replay过程可能会很慢； 灾难恢复比较复杂，也会比较慢； Major Compaction会引起IO Storm。
除了上面介绍的基本概念，如何将不同来源的数据导入导出HBase也需要掌握，以及如何在HBase中创建删除更新表等。
