简介
HBase是一个分布式的、面向列的开源数据库，它是一个适合于非结构化数据存储的数据库，它在Hadoop之上提供了类似于Bigtable的能力，同时又是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，同时HBase技术可在廉价PC Server上搭建起大规模结构化存储集群，性价比非常高。
适用场景
对象存储：不少的头条类、新闻类的新闻、网页、图片存储在HBase之中，一些病毒公司的病毒库也是存储在HBase之中。
时序数据：HBase之上有OpenTSDB模块，可以满足时序类场景的需求。
时空数据：不少车联网企业，数据都是存在HBase之中。
消息/订单：Facebook用HBase存储在线消息，每天数据量近百亿，每月数据量250 ~ 300T， HBase读写比基本在1:1，吞吐量150w qps。
Feeds流：典型的应用如微信朋友圈。
基础概念
命名空间：类比MySql中数据库库名。
表名：类比MySql中表名。
列族：一组列的集合为列族。列族下的列可以N个。
列名称：存在列族下的单个列，列族下的名称。
RowKey：HBase存储采用 key-value方式，Key即为RowKey，所有的修改查询等操作只能基于RowKey，必须唯一。
架构
HBase由三种类型的服务器以主从模式构成。
Region Server：负责数据的读写服务，用户通过与Region Server交互来实现对数据的访问。每个Region服务器中包含最多1000个Region，每个Region里面包含了StartKey到EndKey的一个区间数据。
HBase HMaster：分组分配Region和操作DDL,在集群处于数据恢复或者动态调整时，监控所有Region Server的状态。
ZooKeeper：负责维护集群的状态（某台服务器是否在线，服务器之间数据的同步操作及HMaster的选举等）。
HBase主要特点
- HBase为分布式列式数据库，可以横向进行扩展，解决系统存储数据超2000w的问题。
- HBase为列式存储数据库，一个列族下可以支持成百上千列，解决系统对非结构化数据存储与单个数据列更新等问题。
- HBase具备毫秒级读写，随机读写，实时读写，无线存储拓展，数据高可用，多级缓存，服务不中断，主备自动切换，异地双活等特性，解决系统高可用等问题。
- HBase存储自带多种压缩算法，降低数据存储量。
- HBase数据支持多版本，对修改的数据可以支持多个版本数据。
- HBase自带数据有效期功能，对于冷数据可以定期删除。
HBase优点
- 列可以动态增加，并且列为空就不存储数据，节省存储空间。
- HBase自动切分数据，使得数据存储自动具有水平扩展能力。
- HBase可以提供高并发读写操作的支持。
HBase缺点
- 不能支持条件查询，只支持按照RowKey来查询。
- 不适合于大范围扫描查询。
- 不支持事务。
HBase注意事项
1.数据热点问题以及解决方法
HBase创建表时会使用多个Region，如果使用不正确会导致所有数据写入同一个Region服务器下，造成数据热点问题，解决数据热点问题一共需要注意两个方面。
第一方面是建表时（预分区建表），要根据自己的RowKey特性选择正确的分区规则。
第二方面是RowKey的设计，需要保证唯一的同时尽量散列。可以采用雪花算法生成唯一ID，对唯一ID高位进行MD5转16进制加上反转后的唯一ID作为RowKey，可以将数据均匀的分散到多个Region中，避免数据热点问题。
2.HBase批量获取数据大小建议
对HBase进行批量查询时，将批量数据控制到100KB以内，超过后性能下降非常明显。
3.单行数据大小限制
单行不建议超过400KB，KV存储系统非对象存储系统。如果Value过大会导致处理性能直线下降。
4.Scan使用
Scan属于不稳定接口，如扫描范围过大或设置不准会导致性能下降，使用时必须设置startKey与endKey，同时start与end之间不要超过100条数据。
5.HBase连接事项
HBase每次连接耗时较高，构建Connect对象时，需要在程序启动时进行，避免使用时创建。
相关文章
