HDFS：分布式文件系统
HBase：分布式数据库,存储半结构化或非结构化数据，并且提供了高效放到访问它是Google的BigTable的开源实现.BigTable建立在谷歌分布式文件系统GFS上，协同管理服务——Chubby
Chubby的开源实现：Zookeeper，分布式协调管理框架
Hadoop MapReduce:分布式计算框架。
HBase底层实现:
- 文件存储系统：HDFS
- 海量数据计算：Hadoop MapReduce
- 协同管理：Zookeeper
大数据/云计算模式：
批处理计算（离线计算）：小时级响应， e.g Hadoop（HDFS，MapReduce）
实时分析（流数据）：毫秒、秒级响应 e.g Storm 、 Flume、 S4
交互计算（在线计算）：秒级、分钟级响应 e.g HBase
HBase和传统的关系型数据库（计算可扩展性差、数据库定义可扩展性差、只能纵向扩展）的区别和联系：
- HBase基于列存储
- HBase只支持对行键的简单索引
- HBase不会把旧的值覆盖，只是新建一个时间戳
- HBase水平扩展很容易
HBase访问接口：
- 提供了一个原生的JAVA API
- Shell命令
- 提供了SQL类型接口 e.g pig
- 数据仓库产品Hive——直接用SQL语句访问
HBase:
行键、列族、列（限定符）、时间戳四个元素来确定一个单元格的值
行式存储：高事务处理效率 适用OLTP（联机事务处理）
列式存储：高压缩率（一列的数据类型是一样的）、高查询效率、比较适合进行OLAP（联机分析处理）
HTAP：混合行列存储
HBase的功能组件：（一主多从的架构）
库函数(用于链接客户端)
Master服务器（主）
Region服务器（从）:数据的存取 维护和管理
一个HBase表被划分成多个Region，一个Region会分裂成多个新的Region（一个Region最佳配置为1GB-2GB）
同一个Region不会被拆分到不同的服务器 一个服务器大约有1000个Region
HRegionServer存储结构：
包括10 - 1000个Region和一个HLog，每个Region包括：MemStore、StoreFile（HFile）
HBase设计了三层，实现寻址和定位
元数据表：两列分别为Region id -> Region server(放在.Meta文件-映射表,存放元数据)
随着数据的增多，.Meta文件也会增大
.ROOT：META Region id -> Region Server（最多只有一个Region）
Zookeeper -> .ROOT -> .META -> 记录表的Region信息
HBase的寻址访问：
.Meta：Data Region id -> Region Server
.Root：Root id -> Meta Region id
为了加速寻址，客户端会缓存位置信息，同时，需要解决缓存失效问题。若缓存失效，重新三层寻址。
HBase架构：
- 客户端：提供HBase的访问接口；
- Zookeeper：提供集群的协调管理服务；
- HMaster：元数据管理；数据的管理（增删改查请求，负载均衡、Region的管理）
- HRegionServer：提供了实际数据的读写访问