1 HBase概述
1.1 什么是Hbase
Hbase的原型是Google的BigTable论文。三篇论文分别对应的技术：
HDFS – GFS、MapReduce – MR、HBase – BigTable
从功能上看HBase是一个高可靠性（可以配置高可用）、高性能（存储性能强）、面向列（列族）、可伸缩的分布式存储系统。
1.2 为什么用HBase
查询的列太多会影响性能
MySql一张表的最大的列数为4096列。
查询的行太多也会影响性能
MySql的单表最大容量是4G
数据行数一般在500万到2000万之间，会导致数据库阻塞
表随着业务的变化，增加新的列（动态列）
| HBase | MySql |
|---|---|
| 列式、NoSql数据库 | 行式、关系型数据库 |
| 只支持byte[]类型（便于压缩） | 支持多种数据类型 |
| 支持海量数据存储 | 500万-2000万行 |
| 存储速度快，但是查询速度慢 | 查询速度快 |
| 只支持rowkey的索引 | 支持主键索引 |
| 事务只支持到row级别 | 完整的事务 |
| 支持多个版本存在，有时间戳版本 | 直接修改元数据 |
1.3 HBase结构
①HBase逻辑架构
②HBase物理架构
③HBase基础架构
每一个列族一个store。
1.4 HBase结构概念
①NameSpace
命名空间，类似于数据库中的database概念，每个命名空间内有多个表。
HBase有两个自带的命名空间：default和hbase
- hbase存放HBase内置的表
- default是默认创建表，所放的命名空间
②Table
类似于数据库中的表的概念。
HBase定义表的时候，只需要声明表名和列族即可，不需要声明具体的列。
create ‘命名空间:表名’, ‘列族’
③RowKey
分区的RowKey是有序的！
HBase表中的每行数据，都是由一个RowKey和多个Column（列）组成，按照RowKey的字典序排列的！
④Column
HBase中每个列由Column Family（列族）和Column Qualifier（列限定符）进行限定。比如：info:name
⑤TimeStamp
用来表示不同的版本（Version），系统自动加上该字段，其值是写入HBase的时间
⑥ Cell
由{rowkey, column Family：column Qualifier, time Stamp} 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贮。
1.5 HBase架构概念
①RegionServer
Region Server为 Region的管理者，其实现类为HRegionServer，主要作用如下:
对于数据的操作：get, put, delete；
对于Region的操作：splitRegion、compactRegion。
②Master
Master是所有Region Server的管理者，其实现类为HMaster，主要作用如下：
对于表的操作：create, delete, alter
对于RegionServer的操作：分配regions到每个RegionServer，监控每个RegionServer的状态，负载均衡和故障转移。
③Zookeeper
HBase通过Zookeeper来做master的高可用、RegionServer的监控、元数据的入口以及集群配置的维护等工作。
防止Master出现异常情况，无法对RegionServer做操作。HBase默认情况下，含有内置的ZK，但是我们一般使用外置ZK，包含了Master的管理信息。
④HDFS
HDFS为Hbase提供最终的底层数据存储服务，同时为HBase提供高可用的支持。
1.6 HBase操作原理
①增加
使用put指令，put ‘命名空间:表名’, ‘行键rowkey’, ‘列族:列名’, ‘列值’
时间戳是由HBase自动生成的，而且存储的是数据的单元格信息，而不是一行数据。
②修改
修改数据时，逻辑上需要先查询数据，再进行修改，对于HBase来讲，性能非常低，所以不能采用这种方式来实现修改操作。HBase采用了新增数据的方式来覆盖旧的数据，来达到修改的目的。
③插入
HBase本身就是用于存储海量数据的数据库，所以对于插入操作进行了优化，性能非常的快，而且HBase本身就是基于HDFS文件系统，所以数据量增大不是很大的问题。如果业务中存在历史数据操作的话，这种方式更加合理。
数据插入后，读取数据时，其实依赖于时间戳（版本），HBase会把最新的数据查询出来。
④删除
HBase中的删除，其实也是增加新的数据，只不过进行了特殊处理，不让HBase可以查询出来。
如果数据删除的话，那么在查询的时候其实时看不到的，但是HBase中会增加新数据，这样做的原因主要是考虑到性能的原因，但是并不是说，这个数据会永久的保留，也会真正的删除，由内部的处理机制在特定的时间进行数据的真实删除。这个操作我们称之为compaction，文件合并的时候，会删除。
⑤查询
查询可以全表扫描查询（scan）
增加查询范围（scan，StartRow(包含)，StopRow(不包含)）
查询一条(RowKey)数据（get），可以限定列名或列族的名称