分布式NoSQL数据库的基本概念NoSQL是什么？ NoSQL是一些分布式非关系数据库的总称，它采用非关系数据模型，通过削弱架构或表结构，削弱一致性约束，削弱或废除事务机制，来完全解析SQL语句
——旨在提供强大的分布式部署功能，通常包括分区容错、可扩展性和访问效率(可用性)。
什么是HBase？ 全名Hadoop数据库是Google BigTable的开源实现，是一个具有高可靠性、高性能、可伸缩性、实时读写和列存储的分布式NoSQL数据库。 因此，与Hive不同，它适合存储非结构化、半结构化数据，其次是完整的列存储，支持实时读写。 当然，它们都是分布式大数据产品，并且始终支持集群动态伸缩、可靠性高、性能优异的特点。
由于HBase数据以Key-Value格式存储并组织为二维表，因此HBase表的操作与关系数据库中的数据表略有相似，但基础存储格式完全不同，而且HBase与API
Hbase适用于存储半结构化的非结构化数据。 当然，HBase也支持结构化数据存储，但相对于关系数据库，它的方面不同。 关系数据库侧重于小型数据的在线事务处理(OLTP )，而HBase侧重于大量数据的实时读/写。
HBase的基础是使用HDFS作为文件存储系统，HDFS保证了数据的可靠性。
HBase的特点海量数据存储:HBase作为大数据NoSQL数据库，可以存储PB级以上的数据； 此外，基础以Key-Value格式存储，不支持SQL，因此适用于非结构化、半结构化数据存储。列式存储:在大数据领域，减少数据量可以提高列存储的性能。 例如，对某几列的数据进行单独运算时，如果基于行存储器，则需要将表的各行的数据读取到存储器中，然后提取所需列的数据，而列存储器直接将所需列加载到存储器中即可； 这是在大量数据的背景下提高了性能。
稀疏性:由于列存储方案，HBase中的数据稀疏存储(即值为空的数据)不占用存储空间。 对于行存储，每行的数据大小是固定的，因此即使某一行的字段中数据为空，也必须用占位符替换； 但是，对于列存储，每个列数据都放在一起，并为每个列数据单独编制索引。 如果字段数据为空，则没有线存储限制，也可以不进行存储。 列存储的稀疏性大大提高了磁盘空间在大量数据背景下的利用率。
33558www.Sina.com/:hbase数据存储在HDFS中，但使用LSM树将数据缓存在内存中，以便实时读写数据，并在缓存达到阈值后将其存储在HDFS中但是，HDFS不支持修改数据。 HBase实际上是将数据的修改操作，转换为追加操作，在修改后的数据上打上时间戳，读取数据时，只需要获取最新时间戳的数据即可。 这样会增加数据冗馀，HBase会定期合并HDFS数据并删除过期的数据。
数据实时随机读写:数据将一致更新，所有数据更改将同步。 此处的同步是指客户端和服务端两个级别。 这意味着当数据写入HBase时，所有客户端看到的数据都是最新的，h base service端群集中每个节点存储的数据也是最新的。 因为HBase的数据分布在不同的节点上，但对于某些特定的数据，HBase的数据必须位于某个从节点上； 既然这意味着只要更新了该节点的数据，所有后续访问都可以获得最新的数据，那么在分布式群集上，该从节点该怎么办？ 数据的可靠性如何保证？ HBase的数据最终存储在HDFS中，但HDFS有复制机制，HBase不需要担心数据的可靠性。
数据强一致性:首先，HBase是高并发的，主要面向高并发进行阅读，可以支持多用户查询。 这也是其应用场景之一； 其次，在大数据产品中，高可靠性、高可扩展性是必须具备的两个特性：服务可靠、灾难恢复，集群必须随着数据和处理规模的变化而动态扩展。
因此，总之，HBase作为存储系统，必然能够进行大量数据的存储； 对于这些存储的大量数据，列存储的特性会减少提取的数据量，大大提高处理性能，列存储直接带来稀疏的特性，从而提高磁盘利用率。 其次，HBase作为数据库，满足数据的实时随机读写，提供数据的强一致性保证。 最后，作为大数据系统，它具有高可靠性、高可扩展性和高并发性的优势。
适用场景
一般在企业生产中，在以下4个场景中使用HBase。
3358 www.Sina.com/:由于h base本身使用缓存机制，客户端可以在数据写入缓存后立即从缓存中进行读取，从而确保数据的一致性。 这不能由诸如Hive之类的专用于数据批处理的产品提供。 因此，HBase通常用于实时流处理场景中，存储结果数据或中间数据的流处理场景的数据具有高实时性，当前数据的处理结果被实时写入，且在写入之后立即到达下一个高并发、高可靠、高扩展
ng>：如果在海量数据场景中，有高并发查询的要求，比如需要保证1000人同时进行数据查询，那一定会考虑HBase。但要注意，只能满足简单条件的查询，因为HBase只有单个主键（RowKey），而对于其它字段进行条件查询时均会进行全表扫描，所以对于RowKey的优化是HBase性能提升的关键，这也是为什么HBase在复杂查询场景中性能不好的原因。半结构化和非结构化数据存储：HBase本身是NoSQL数据库，不像关系型数据库一样有多种数据类型，它所有的数据都是字节数组Byte[]，所以能够满足半结构化、非结构化数据的存储，如JSON、日志、图片、音频的存储。对于小于100K的数据，HBase有较好的优化，对于100K-10M的数据，则需要开启MOB功能（这里先留个印象），超过10M的文件，性能上会有折损。动态DDL结构化数据存储：HBase虽然本质是Key-Value数据库，但它使用二维表的形式进行组织，所以也可以用于存储结构化数据。而且因为HBase列式存储的特性，所以表字段的变化对数据不造成影响，比如对表临时增加一个字段、删除一个字段，而在行式存储的数据库中，会造成很大的性能影响。这也就使得HBase极其适合表结构动态变化的场景，适应频繁的DDL操作，这在互联网场景业务不确定的情况下会有很大的帮助。 访问方式HBase可以使用Shell命令直接进行操作，它和SQL语法不同，需要一定的学习成本，这是使用最多的一种方式。但如果集成了Apache Phoenix，则支持在HBase上直接使用SQL进行操作，Phoenix会自动完成转换操作，这种方式学习成本低，易用性强，很受企业开发者的青睐。当然对于开发人员，HBase也提供编程接口HBase API，来完成对HBase的操作。
基本对HBase有一个认识后，接下来学习一下HBase的数据模型和系统架构的内容。