一、HBase 是什么
Apache HBase is the Hadoop database,distributed scalable,versioned, non-relational database modeled after Google's Bigtable. (Apache HBase是 Hadoop 数据库，是模仿 Google 的 Bigtable 建模的分布式可伸缩，版本化，非关系型数据库）。
可以随机的、实时的进行大数据的读写。
十几亿行、上百万列，可以运行在普通机器上。
数据可以存储在 HDFS。
面向列的。
二、数据存储现状
1、RDBMS (Relational Database Management System)
* MySQL、Oracle、SQL Server ... ...
* 有类型且结构化数据
* 实体类对应着数据库中的表
* 每一条记录对应着数据库表中的行(row)
* Query：groupBy、Join ... ...
缺点：大数据，数据量大且会对其做很多操作来抽取出我们有意义的结果。
（1）实时查询
（2）集群成本高
（3）RDBMS 横向扩展来增加的效率是有限的
（4）RDBMS 中 MySQL、Oracle收费，Hadoop开源
2、HDFS (Hadoop Distributed File System)
* NameNode、SecondaryNameNode、DataNode 三部分
* NameNode 用来管理文件系统的命名空间、集群配置信息和存储块的复制等；
SecondaryNameNode 并非是NameNode的备份，它作为 NameNode的辅助，用来分担NameNode的工作量，辅助NameNode定期合并 fsimage 和 edit file，控制edit file的大小在限制范围内；
DataNode 是文件存储的基本单元,用来存储Block到本地文件系统中，并定期的将所有Block的信息发送给 NameNode。
* 处理超大文件 TB、PB
* 对硬件的要求低，可以运行在廉价的商用机器集群上
缺点：
（1）没办法实时查询：HDFS 处理大型数据集分析任务，主要是达到高的数据吞吐量而设计的，高延迟则是作为代价。
（2）随机读写没法做到很好的支持：HDFS是块存储，可以随机读写文件块，但是对文件不支持随机读写，因为一个文件块中有很多文件
（3）无法高效存储小文件
3、NoSQL Not Only SQL
* HBase、Redis ... ...
三、HBase 在 Hadoop 中的位置
HBase 是 Hadoop 生态圈中的一个重要部分，HBase 构建在 HDFS 上，也就是说 HBase 的数据可以存储在 HDFS 上面，可以通过 MapReduce/Spark 来处理 HBase 中的数据。HBase 也提供 Shell、API 的方式来进行数据库的访问。
HBase 存储方式为列式存储。行式存储 是将每一行数据按行存储，整行读取查询的时候耗费大量的IO，可以用索引或者视图来提速。列式存储 压缩并行处理，查询的数据就是索引，降低了IO。
四、HBase 特点
1、能够存储的数据量大，数十亿行数百万列
2、面向列，列族(可存放很多列)，列/列族独立索引
3、稀疏，对于空列不会占用存储空间
4、数据类型单一，Bytes/String
5、无模式，每一行数据所对应的列不一定相同
6、数据多版本，比如 Company 可以存储不同版本的值，默认情况下版本号是自动分配的，是列的值得插入时间的时间戳。
五、比较
1、 HBase vs RDBMS
* 数据类型不同
* 数据操作，HBase 表与表之间关联查询不行，需要用到 Spark/MapReduce/Phoenix
* 存储模式不同
* 事务，HBase单行有事务，RDBMS 多行都有事务
* 读写吞吐量： RDBMS 几千次/s HBase Billin级别
2、HBase vs HDFS
HDFS： 整个文件读取，或分区目录读取
HBase：随机读取、根据范围来查，整表读
SQL方面，HDFS 可以通过 Hive 来使用SQL，HBase 无法使用 SQL 语句
六、HBase 数据模型
| RowKey | Column Family | Column Family | |||
| Column1 | Column2 | Column3 | Column4 | Column5 | |
| Row1 | CellValue | CellValue | CellValue | ||
| Row2 | CellValue | CellValue | CellValue | ||
| Row3 | CellValue | CellValue | |||
| Row4 | CellValue |
Value1/Value2/Value3 |
CellValue | CellValue | |
| Row5 | CellValue | ||||
| Row6 | CellValue | CellValue | CellValue | ||
如（Row4，Column2），每个 Cell 保存同一份数据的不同版本, Cell 中的数据按照时间戳倒序排列。
1、RowKey 作为主键，字符串类型，按照字典顺序存储，内存保存的是字节数组
2、列族(Column Family) CF 创建表的时候就要指定，是一系列列的集合，一个列族的所有列有相同的前缀。
3、每条记录被划分成多个CF中，每个记录对应一个RowKey，每个CF有一个或多个列构成
七、安装
单机安装，HMaster, HRegionServer 都安装在本地。
1、下载 hbase 安装包 下载包地址：https://hbase.apache.org/downloads.html
2、配置 HBase，修改 conf 中的两个文件
hbase-env.sh
export JAVA_HOME = <本地 JAVA_HOME 地址> export HBASE_MANAGES_ZK=false
hbase-site.xml
<configuration> <property> <name>hbase.rootdir</name> <value>hdfs://localhost:8020/hbase</value> </property> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <property> <name>hbase.unsafe.stream.capability.enforce</name> <value>false</value> </property> <property> <name>hbase.zookeeper.quorum</name> <value>localhost:2181</value> </property> </configuration>
3、启动 HBase
bin/start-hbase.sh
启动成功后，jps 会发现 HMaster 和 HRegionServer 两个进程
HBase 本地web页面地址：http://localhost:16010/
在安装 HBase 之前需要先安装 Zookeeper，我上面的配置就是在我本地安装好了 Zookeeper 的前提。其实也可以不安装，因为HBase的安装包里自带Zookeeper。用自带的Zookeeper，则上面的配置不太一样。