大数据技术-HBase：HBase简介

什么是HBase？

HBase是一个开源的，分布式，列式存储系统，基于Google Bigtable的大规模结构化数据存储系统实现。如果需要详细了解下Google的Bigtable，可以参考这个链接：

http://static.googleusercontent.com/media/research.google.com/zh-CN//archive/bigtable-osdi06.pdf

此外HBase对Bigtable的架构设计做了相应增强，主要的features如下：

1、可以易于与Hadoop MapReduce整合的相关Classes；

2、实时查询优化；

3、提供REST-ful服务网关，支持XML, Protobuf和二进制数据编码选项；

4、基于JRuby的shell操作；

5、高效的Thrift服务网关；

6、支持导出监控点存入Ganglia或者通过JMX的形式

为什么需要使用HBase？

当你需要很强的容错性，强一致性，在大数据集上实现随机实时读写的时候，HBase是个不错的选择。HBase的目标是托管大表--数十亿行，数百万列，基于廉价服务器的存储之上。HBase底层采用HDFS，而文件系统一般是具有冗余因子的，从而在存储层上保证了数据不会丢失。

传统RDBMS在处理大数据量的表时代价高昂，很多worklods已经超出了系统处理能力，十分耗时且低效，即便采用商业版本的也是需要大额资金的投入。而HBase Scan操作所用时间线性可控。HBase采用的数据模型可动态自动化扩展，当达到一定限制自动sharding，而对使用方来说是透明的，这样同时达到了数据可用性和容错性目的。

HBase可以看做一个分布式的map，以rowkey作为key，tag和data组成的数据作为value，每一个cell都有自己的timestamp和versions，这种多版本和时间戳的方式可以避免并发编辑的冲突。行row是作为字典序byte升序排列的默认。

Tables被分为多个region托管在不同的regionserver上，hbase master负责管理region分配，达到负载均衡和故障快速恢复的目的。如果某个regionserver因为某个原因down掉了，master会重新将其上原有的region重新分配到其他存活的regionserver上，这个过程一般而言是比较快的，因为只是重新建立下内存结构，并修改下meta元信息，本身的数据还是存储到hdfs上的，可以共享。

哪些情况下不太适合HBase？

当你的数据并不是很大；

当你访问数据是顺序访问，且数据结构固定，易于用M/R；

当你离不开SQL来完成事情；

当你需要在一致性和可用性上做权衡；

当你需要跨表查询且条件很复杂；

...

z怎样尝试使用HBase？

合理的物理服务器配置参考如下：

• Dual quad core CPU
• 8 GB RAM or more (4 GB is passable, but constrain MapReduce to only 1 concurrent mapper and reducer per node)
• 4 x 250 GB data disk attached as JBOD (for the DataNode process)