Hbase简介
HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、 实时读写的分布式数据库
利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理 HBase中的海量数据,利用Zookeeper作为其分布式协同服务
主要用来存储非结构化和半结构化的松散数据（列存NoSQL数据库）
HBase数据模型
命名空间
命名空间是对表的逻辑分组，不同的命名空间类似于关系型数据库中的不同的Database数据库。利用命名空间，在多租户场景下可做到更好的资源和数据隔离。
表
对应于关系型数据库中的一张张表，HBase以“表”为单位组织数据，表由多行组成。
行
表的主键，按照字典序排序。
列族
每一行由若干列族组成，每个列族下可包含多个列。物理上，同一列族的数据存储在一起。
列限定符
列由列族和列限定符唯一指定，像如上的name、age即是列族的列限定符。
单元格
单元格由RowKey、列族、列限定符唯一定位，单元格之中存放一个值（Value）和一个版本号。
时间戳
单元格内不同版本的值按时间倒序排列，最新的数据排在最前面
hbase 的架构
Client 是客户端，要求读写数据的发起者。
ZK 集群是负责转发 Client 的请求和提供心跳机制，会让 HRegion Server 和 HRegion 注册进来，同时保存着 Rowkey 和 Region 的映射关系。
HMaster 中可以有多个待命，只有一个在活跃。
HRegion Server 就是一个机器节点，维护多个region，处理对这些region的IO请求，向HDFS文件系统中读写数据，是服务器中的一个进程。
HRegion是HBase中分布式存储和负载均衡的最小单元。Hbase 中的每张表都通过行键 (rowkey) 按照一定的范围被分割成多个子表（HRegion），默认一个 HRegion 超过 256M 就要被分割成两个，由 HRegionServer 管理，管理哪些 HRegion 由 Hmaster 分配。
HStore 一个 HStore 由 MemStore 和 StoreFile 组成,是 HBase 的核心存储单元，表的每个列族 （Column Family） 创建一个 store 实例.每个 store 都会有 0个或多个 StoreFile 与之对应，每个 StoreFile 都会对应一个 HFile .
hbase 和 hive 有什么区别？
共同点：
hbase与hive都是架构在hadoop之上的。都是用hadoop作为底层存储。
区别：
1.Hive是建立在Hadoop之上为了减少MapReducejobs编写工作的批处理系统，HBase是为了支持弥补Hadoop对实时操作的缺陷的项目 。
2.想象你在操作RMDB数据库，如果是全表扫描，就用Hive+Hadoop，如果是索引访问，就用HBase+Hadoop；
3.Hive query就是MapReduce jobs可以从5分钟到数小时不止，HBase是非常高效的，肯定比Hive高效的多；
4.Hive本身不存储和计算数据，它完全依赖于 HDFS 和 MapReduce，Hive中的表纯逻辑；hive借用hadoop的MapReduce来完成一些hive中的命令的执行；
hbase是物理表，不是逻辑表，提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作；
5.hbase是列存储；hdfs 作为底层存储，hdfs 是存放文件的系统，而 Hbase 负责组织文件；hive 需要用到 hdfs 存储文件，需要用到 MapReduce 计算框架。
hbase 实时查询的原理
实时查询，可以认为是从内存中查询，一般响应时间在 1 秒内。HBase 的机制是数据先写入到内存中，当数据量达到一定的量（如 128M），再写入磁盘中， 在内存中，是不进行数据的更新或合并操作的，只增加数据，这使得用户的写操作只要进入内存中就可以立即返回，保证了 HBase I/O 的高性能。
Hbase 的 rowKey 的设计原则
联系 region 和 rowkey 关系说明，设计可参考以下三个原则.
rowkey 长度原则
rowkey 是一个二进制码流，可以是任意字符串，最大长度 64kb，实际应用中一般为 10-100bytes，以 byte[] 形式保存，一般设计成定长。建议越短越好，不要超过 16 个字节， 原因如下：
数据的持久化文件 HFile 中是按照 KeyValue 存储的，如果 rowkey 过长会极大影响 HFile 的存储效率 MemStore 将缓存部分数据到内存，如果 rowkey 字段过长，内存的有效利用率就会降低，系统不能缓存更多的数据，这样会降低检索效率
rowkey 散列原则
如果 rowkey 按照时间戳的方式递增，不要将时间放在二进制码的前面，建议将 rowkey 的高位作为散列字段，由程序随机生成，低位放时间字段，这样将提高数据均衡分布在每个 RegionServer，以实现负载均衡的几率。如果没有散列字段，首字段直接是时间信息，所有的数据都会集中在一个 RegionServer 上，这样在数据检索的时候负载会集中在个别的 RegionServer 上，造成热点问题，会降低查询效率。
rowkey 唯一原则
必须在设计上保证其唯一性，rowkey 是按照字典顺序排序存储的，因此， 设计 rowkey 的时候，要充分利用这个排序的特点，将经常读取的数据存储到一块，将最近可能会被访问的数据放到一块。
Hbase 中 scan 和 get 的功能以及实现的异同
get 方法() 按指 定 RowKey 获 取 唯 一 一 条 记 录 Get的方法处理分两种 ： 设置了ClosestRowBefore和没有设置的 rowlock 主要是用来保证行的事务性，即每个get 是以一个 row 来标记的.一个 row 中可以有很多 family 和 column。
scan 方法()按指定的条件获取一批记录，实现条件查询功能使用的就是 scan 方式
scan 可以通过 setCaching 与 setBatch 方法提高速度(以空间换时间)；
scan 可以通过 setStartRow 与 setEndRow 来限定范围([start，end]start? 是闭区间，end 是开区间)。范围越小，性能越高；scan 可以通过 setFilter 方法添加过滤器，这也是分页、多条件查询的基础。 全表扫描，即直接扫描整张表中所有行记录。
hbase写数据 和 读数据过程
获取region存储位置信息
写数据和读数据一般都会获取hbase的region的位置信息。大概步骤为：
从zookeeper中获取.ROOT.表的位置信息，在zookeeper的存储位置为/hbase/root-region-server；
根据.ROOT.表中信息，获取.META.表的位置信息；
META.表中存储的数据为每一个region存储位置；
向hbase表中插入数据
hbase中缓存分为两层：Memstore 和 BlockCache
首先写入到 WAL文件 中，目的是为了数据不丢失；
再把数据插入到 Memstore缓存中，当 Memstore达到设置大小阈值时，会进行flush进程；
flush过程中，需要获取每一个region存储的位置。
从hbase中读取数据
BlockCache 主要提供给读使用。读请求先到 Memtore中查数据，查不到就到 BlockCache 中查，再查不到就会到磁盘上读，并把读的结果放入 BlockCache 。
BlockCache 采用的算法为 LRU（最近最少使用算法），因此当 BlockCache 达到上限后，会启动淘汰机制，淘汰掉最老的一批数据。
一个 RegionServer 上有一个 BlockCache 和N个 Memstore，它们的大小之和不能大于等于 heapsize * 0.8，否则 hbase 不能启动。默认 BlockCache 为 0.2，而 Memstore 为 0.4。对于注重读响应时间的系统，应该将 BlockCache 设大些，比如设置BlockCache =0.4，Memstore=0.39。这会加大缓存命中率。
来源：CSDN
作者：glamour2015
链接：https://blog.csdn.net/glamour2015/article/details/104579232