hbase的基本介绍

1. hbase的简介：

  HBASE是bigTable,（源代码是Java编写）的开源版本，是Apache Hadoop的数据库，是建立在hdfs之上，被设计用来提供高可靠性，高性能、列存储、可伸缩、多版本，的Nosql的分布式数据存储系统，实现对大型数据的实时，随机的读写请求。更是弥补了hive不能低延迟、以及行级别的增删改的缺点。
   HBASE依赖于hdfs做底层的数据存储
   HBASE依赖于MapReduce做数据计算
   HBASE依赖于zookeeper做服务协调

2. hbase的设计思想：

 - 面向列，可以实现一个近实时的查询的一个分布式的数据库。
 - 索引，hbase的rowkey都是按照字典排序的
 - 查询，查询机制是通过索引+布隆过滤器实现

3. hbase的特点：

 - 它介于nosql和RDBMS之间，仅能通过主键和主键的range（范围）来检索数据。
 - hbase查询数据功能很简单，依然是以key-value数据库，不支持join等复杂操作
 - 不支持复杂的事务，只支持行级事务(可通过 hive 支持来实现多表 join 等复杂操作）
 - 主要用来存储结构化和半结构化的松散数据。
 - 无模式，每行都有一个可排序的主键和多个任意的列，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。

4. hbase中表的特点：

 - 大，一个表可以是10亿行，上百万列
 - 面向列，面向列(族)的存储和权限控制，列(簇)独立检索。（提升查询的性能）
 - 稀疏，对于空（null）的列，并不占用空间，因此，表可以设计非常稀疏
 - 无严格模式，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。（读写的时候，都会做格式校验）

5. hbase中表结构的逻辑视图：

  hbase以表结构的形式存储数据。表由行和列组成，列划分为若干个列簇。
  查询数据的流程：
         表---rowkey---列簇----列---时间戳
  Rowkey：按照字典排序
  列簇：包含一组列，列在插入数据时指定，列簇在建表的时候指定
  列：一个列簇中会有多个列，并且可以不同
  时间戳：每一个列的值可以存储多个版本的值，版本号就是时间戳，按照时间由近到远排序。

特点：
  - RDBMS完全可以抽象成为一张二维表，表由行和列组成，有行和列确定一个唯一的值
  - HBASE本质是key-value数据库，key是行键rowkey,value是所有的真实key-value的集合
  - HBASE也可以抽象成为一个四维表，四维分别由行健 RowKey，列簇 Column Family，列 Column 和时间戳 Timestamp 组成。
  - 一张HBASE的所有列划分为若干个列簇
  - 每一个region的每一个列簇又是一个store，在hdfs的表现就是一个文件夹。

6. hbase具体名词解释：

行键（rowkey）：
  与Nosql数据库一样，rowkey是用于检索记录的主键，rowkey 行键可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，最好是16。在 HBase 内部，rowkey 保存为字节数组，HBase 会对表中的数据按照 rowkey 排序 (字典顺序)
  访问HBASE table中的行。只有三种方式：
   - 通过单个rowkey访问
   - 通过rowkey的range（范围）
   - 全表扫描
列簇：
  HBASE表中的每一个列，都归属于某个列簇。列簇是表的Schema 的一部分(而列不是)，必须 在使用表之前定义好，而且定义好了之后就不能更改。列名都是以列簇为前缀，访问控制、磁盘和内存的使用统计等都是在列簇层面进行的。
  注意：列簇越多，在取一行数据时所要参与 IO、搜寻的文件就越多，所以，如果没有必要，不要 设置太多的列簇（最好就一个列簇）。
时间戳：
  在HBASE中通过rowkey 和 columns 确定的为一个存储单元称为 cell。每一个cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64 位整型。时间戳可以由 hbase(在数据写入时自动)赋值，此时时间戳是精确到毫秒的当前系统时间。每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
  为了避免数据存在过多版本造成的管理负担，HBASE提供了两种数据版本的回收方式：
   - 保存数据的最后n个版本（个数）
   -保存最近一段是时间内的版本（设置数据的生命周期 TTL）
单元格：
  在HBASE中通过rowkey 和 columns 确定的为一个存储单元称为 cell。由{rowkey,column(=<family>+< column>),version}组成一个cellCell中的数据是没有类型的，全是字节码形式存储。

7. hbase与hive的比较：

相同点：
  - HBASE和hive都是架构在hadoop之上，用hdfs做底层的数据存储。用MapReduce做数据计算。
不同点：
  - hive是建立在hadoop之上的，为了减低Mapreduce编程的复杂度，而hbase是为了弥补hadoop对实时操作的缺陷
  - Hive的表示纯逻辑表，因为hive本身并不能做数据存储和计算，而是完全依赖于hadoop，hbaseHBASE是物理表，提供了一张超大的内存 Hash 表来存储索引，方便查询。
  - Hive是数据仓库，需要全表扫描，就用hive，hive是文件存储，HBase 是数据库，需要索引访问，则用 HBase，因为 HBase 是面向列的 NoSQL 数据库
  - Hive 不支持单行记录操作，数据处理依靠 MapReduce，操作延时高；HBase 支持单行记录的 CRUD，并且是实时处理，效率比 Hive 高得多