Hadoop Database
便于时间查询；
Hbase是一个分布式的、面向列的开源数据库，该技术来源于Chang et al所写的Google论文“Bigtable:一个结构化数据的分布式存储系统”。
就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bittable的能力。
HBase是Apache的Hadoop项目的子项目。
HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库，另一个不同的是HBase基于列的而不是基于行的模式。
BIG Table表的想法：
以存放关系的学生表为例：
用bigtable的想法为，三个列的大表：学号（key）、属性（姓名、年龄、、、）、值（value）
世界上所有的二维表，都可以用三个列的大表来表示:
行键（key）对象的标识值、
属性、
Value
Bigtable表查询： 对key-value的查询很快
HBase逻辑模型：
以表的形式存放数据；
表由行与列组成，每个列属于某个列族，由行和列确定的存储单元称为元素；
每个元素保存了同一份数据的多个版本，由时间戳来标识区分；
HABASE有多表
列族需要预先定义，列族里面的列不需要预先定义列族里面的列由限定符限制；
行键可以重复；
HBASE解决HDFS文件系统不能修改问题：
打删除标记
在内存中建立机制，数据存储内存，数据在内存中修改（追加、）内存中数据重整机制、
内存中收集一定时间的数据后，向硬盘中一写就一个文件一个块
每隔一断时间进行一数据重整合并，合并小的文件，解决删除问题
行键：
行键是数据行在表里的唯一标识，并作为检索记录的主键；
访问表里的行只有三种方式：
通过单个行键访问
给定行键的范围访问
全表扫描
行键可以是最大长度不超过64kb的任意字符串，并按照字典序存储；
对于经常要一起读取的行，要对行键值精心设计，以便它们能放在一起存储；
列族与列：
列表示为<列族>:<限定符>
列族是预先定义好的，列族中的列是随意添加的。
Hbase在磁盘上按照列族存储数据，这种列式数据库的设计非常适合于数据分析的情形；
列族里的元素最好具有相同的读写方式（例如等长的字符串），以提高性能；
面向列存储意义：在行键相同的情况下，列族相同的会放在一起，
时间戳：
对应每次数据操作的时间，可由系统自动生成，也可以由用户显示的赋值；
HBase支持两种数据版本回收方式：
1、每个数据单元，只存储指定个数的最新版本
2、保存指定时间长度的版本
常见的客户端时间查询“某个时刻起的最新数据”或“给我全部版本的数据”
元素由行键，列族限定符，时间戳唯一决定；
元素以字节码形式存放，没有类型之分；
Hbase物理模型：
Region和Region服务器：
表在行方向上，按照行键范围划分成苦干的Region;
每个表最初只有一个region，当记录数增加到超过某个阈值时，开始分裂成两个region；
物理上所有数据存放HDFS,由region服务器提供region的管理；
一台物理节点只能跑一个 HRedionServer；
一个 HRegionserver可以管理多个Region实例；
一个Region实例包括Hlog日志和存放数据的Store；
Hmaster作为总控节点；
Zookeeper负责调度；
Hlog:
用于灾难恢复；
预写式日志，记录所有更新操作，操作先记录日志，数据才会写入
-ROOT-和 .META. 表
HBase中两张特殊的表
.META. -----à记录了用户表的Region信息， .META. 可以有多个region;
-ROOT- -----à记录了 .META.表的region信息， --ROOT- 只有一个region;
Zookeeper中记录了 –ROOT-表的location
Memstore与storefile:
一个region由多个store组成，每个store包含一个列族的所有数据；
Store包括位于把内在的memstore和位于硬盘的storefile;
写操作先写memstore，当memstore中的数据量达到某个阈值，Hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile；
当storefile文件的数量增长到一定阈值后，系统会进行合并，在合并过程中会进行版本合并和删除工作，形成更大的storefile;
当storefile大小超过一定阈值后，会把当前的region分割为两个，并由hmaster分配，到相应的region服务器，实现负载均衡；
客户端检索数据时，先在memstore找，找不到再找storefile；
Hbase应用场景：
适用于大量写，同时也有读的（key --- value查询、时间）
OLTP/OLAP不适合；联机事务处理，随机读写；
很适合按照时间排序top n的场景（社交网站等）
Hbase瓶颈是硬盘写， oracle瓶颈是硬盘寻道时间，
列式数据库与行式数据库对比：
减少I/O读取量。
压缩，减少磁盘占用；