HBase是 BigTable 的开源版本，是建立在 HDFS 之上的 NoSQL 数据库。
出现背景
（1）海量数据量存储成为瓶颈，单台机器无法负载大量数据
（2）单台机器 IO 读写请求成为海量数据存储时候高并发大规模请求的瓶颈
（3）随着数据规模越来越大，大量业务场景开始考虑数据存储横向水平扩展，使得存储服务可以增加/删除，而目前的关系型数据库更专注于一台机器
- HBase 是 BigTable 的开源（源码使用 Java 编写）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、随机的读写访问。
- HBase 依赖于 HDFS 做底层的数据存储，BigTable 依赖 Google GFS 做数据存储
- HBase 依赖于 MapReduce 做数据计算，BigTable 依赖 Google MapReduce 做数据计算
- HBase 依赖于 ZooKeeper 做服务协调，BigTable 依赖 Google Chubby 做服务协调
表的特点
1、大：一个表可以有上十亿行，上百万列
2、面向列：面向列(族)的存储和权限控制，列(簇)独立检索。
3、稀疏：对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。
4、无模式：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
与关系型数据库的区别
| RDMS | HBase | |
|---|---|---|
| 数据类型 | 采用关系模型，具有丰富的数据类型和存储模式。 | 数据存储为未经解释的字符串，把不同格式结构化非结构化的数据都序列化成字符串保存到HBase中，用户需自己编程把字符串解释成不用的数据类型。 |
| 数据操作 | 操作丰富，如插入，删除，更新，查询等，不要多表连接。 | 没有复杂的表与表之间的关系，只有插入，查询，删除，清空等，无法操作表与表之间。 |
| 存储模式 | 基于行模式存储，元组或行会被连续存储在磁盘页中，读取数据需要顺序扫描每个元组，从中筛选删出查询所需要的属性，如果只有少量属性有用，则会浪费很多内存和宽带。 | 基于列存储，每个列族由好几个文件保存，不用列族的文件是分离的，优点是降低I/O开销，支持大量并发用户查询，仅需要处理可以回答这些查询的列，同一列族数据会被压缩，因为相似，压缩比较高。 |
| 数据索引 | 可针对不同列构建复杂的多个索引。 | 只有一个索引，行键。Hbase所有的访问方法，或者用过行键访问，或者用过行键扫描。可以使用MR生成索引表。 |
| 数据维护 | 更新之后新值会覆盖旧值，旧值覆盖后不存在。 | 更新时不会删除数据的旧版本，而是生成一个新版本，旧版本仍然保留。 |
| 可伸缩性 | 很难横向扩展，纵向扩展的空间也有限。 | 分布式数据库就是为了实现灵活扩展而开发，能够轻易通过在集群中增加或者减少硬件数量来实现性能的伸缩。 |
数据类型
HBase实际上是一个稀疏，多维，持久化存储的映射表。
采用行键，列族，列限定符，时间戳进行索引，每个值都是未经解释的字节数组byte[]。
1.表
HBase使用表组织数据，表由行和列组成，列划分为多个列族。
2.行
每个HBase都由若干行组成，每个行由行键（Row Key）标识。
访问表中的行有三种方式：
（1）通过单个行键访问
（2）通过一个行键的区间访问
（3）全表扫描
行键可以是任意字符串，在内部保存为字节数组。
存储时，数据按照行键的字典顺序排列。将经常存储的行键存储在一起。
3.列族
一个表被分组成许多列族的集合，它是基本的访问控制单元。
列族需要在创建表时就定义好，数量不能太多（仅限几十个），不要频繁修改。
借助列族控制权限，可以实现特定目的，例如允许一些应用能够向表中添加新数据，
另一些只浏览数据。列族也可以被配置成支持不用类型的访问模式，如放入内存。
4.列限定符
列族里数据通过列限定符（或列）来定位。列限定符不用事先定义。
5.单元格
表中，通过行，列族和列限定符确定一个“单元格”（cell）。
每个单元格中可以保存一个数据的多个版本，每个版本对应一个不同的时间戳。
6.时间戳
每个单元格保存着同一份数据的多个版本。这些版本通过时间戳进行索引。
对单元格执行操作时（新建，修改，删除）时，HBase会隐式自动生成并存储一个时间戳。
时间戳一般是64位整型。可以自己赋值，也可以自动赋值。
根据时间，降序存储。
数据坐标
关系型数据库数据库可以理解为“二维坐标”，根据行和列确定一个具体的值。
[行，列]
HBase中根据行键，列族，列，时间戳来确定一个单元格，“四维坐标”。
[行键，列族，列限定符，时间戳]
例如上图中：
实现原理
3个主要功能组件：
- 库函数，连接到每个客户端；
- 一个Master主服务器；
- 许多个Region服务器。
Hbase中表需要根据行键值进行分区，行区间构成一个分区，别成为‘Region’，包含了某个域值区间内的所有数据。是负载均衡分发的基本单位。这些Region会被分发到不用的Region服务上。
初始时，每个表只包含一个Region，随着数据插入，持续增大，分裂。
三层结构
名称和作用
系统架构
为什么快
A：快速查询
如果快速查询（从磁盘读数据），hbase是根据rowkey查询的，只要能快速的定位rowkey, 就能实现快速的查询，主要是以下因素：
1、hbase是可划分成多个region，你可以简单的理解为关系型数据库的多个分区。
2、键是排好序了的
3、按列存储的
首先，能快速找到行所在的region(分区)，假设表有10亿条记录，占空间1TB, 分列成了500个region, 1个region占2个G. 最多读取2G的记录，就能找到对应记录；
其次，是按列存储的，其实是列族，假设分为3个列族，每个列族就是666M， 如果要查询的东西在其中1个列族上，1个列族包含1个或者多个HStoreFile，假设一个HStoreFile是128M， 该列族包含5个HStoreFile在磁盘上. 剩下的在内存中。
再次，是排好序了的，你要的记录有可能在最前面，也有可能在最后面，假设在中间，我们只需遍历2.5个HStoreFile共300M
最后，每个HStoreFile(HFile的封装)，是以键值对（key-value）方式存储，只要遍历一个个数据块中的key的位置，并判断符合条件可以了。 一般key是有限的长度，假设跟value是1:19（忽略HFile上其它块），最终只需要15M就可获取的对应的记录，按照磁盘的访问100M/S，只需0.15秒。 加上块缓存机制（LRU原则），会取得更高的效率。
B：实时查询
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。
实时查询，即反应根据当前时间的数据，可以认为这些数据始终是在内存的，保证了数据的实时响应。