Hbase特点：
海量存储：适合PB级别的海量数据，，hbase有良好的扩展性
列式存储：根据列族来存储数据的
极易扩展：
高并发：
稀疏存储：数据为空的情况下不占用存储空间
Hbase架构图：
Hbase通过zk来做master的高可用，regionServer的监控、元数据的入口以及集群配置的维护，通过zk来保证只有一个master在运行，通过竞争机制产生master；zk来监控regionserver状态，regionserver有异常的时候，通过回调的形式通知master regionserver上下线的信息；通过zk存储元数据的同一入口地址；
Hmaster：为regionserver分配region；维护整个集群的负载均衡；维护集群的元数据信息；发现失效的region，将失效的region分配到正常的regionserver上；regionserver失效时，协调对应Hlog的拆分。HregionServer：处理用户的读写请求，是真正执行读写的节点，包括：管理master为其分配的region；处理来自客户端的读写请求；负责和底层HDFS的交互，存储数据到HDFS；负责region变大以后的拆分；负责Storefile的合并工作；
Hlog：编辑日志，通过Hlog回滚
Region：相当于表（一个或者多个表），region可以进行切分的，数据量较大时，会将region进行切分（实现负载均衡），会有多个region，
Store：相当于列族，一个region中可以有多个列族，列不能抛开列族单独存在
Store file：在磁盘中存储的文件，以Hfile的存储格式存储，以Hfile存在HDFS上，
Rowkey的设计原则：
Rowkey的长度可以是任意的字符串，最大长度是64Kb,在实际中一般为10-100个字节，一般来说越短越好，hbase会将部分数据加载到内存中，rowkey过长，内存的有效利用率会下降
Rowkey散列原则：目的是使数据均衡分布，各个regionserver负载均衡
Rowkey唯一原则：保证唯一性，rowkey是按照字典顺序排序存储的
Hbase数据结构：
Rowkey：用来检索记录的主键，访问hbase tabe 中的行有三种方式：单个rk访问；扫描rk的range（正则）；全表扫描；
Column Family：列族，是表的一部分，必须在使用表之前定义，列名都以列族为前缀。
Cell：相当于一个单元格，又行键，列名，版本唯一确定。Cell中的数据是没有类型的，全部以字节码的形式存储，
Timestamp：版本通过时间戳来索引，时间戳的类型是64位整型，每个cell中，不同版本的数据按照时间倒序排序，时间戳可以由用户显示的赋值，也可以取当前系统时间
Hbase读数据流程：
Hbase写数据流程：（不需要与磁盘交互，所以快）
数据Flush过程：
当MenStore数据达到阈值（默认是128M，老版本64M），将数据刷到磁盘，将内存中的数据删除，同时删除Hlog中的历史数据；
并将数据存储到HDFS中；
在Hlog中做标记；
【注 刷写的触发条件】
Regionserver超过堆内存的40%会执行刷写；
Menstore中时间超过一个小时；
Region的内存超过128M的时候触发，由master触发，由regionserver执行
数据合并过程：
【注****合并触发条件】
Hfile默认7天合并一次；
Flush为hfile时，超过3个hfile就会对这些文件进行合并
Hive VS hbase：
Hive：是基于hadoop的一个数仓工具，可以将结构化的数据文件映射为数据库表，并提供简单的SQL查询；hive本身不存储和计算数据，完全依赖于HDFS和MR，hive用HDFS存储，用MR进行计算，hive是将SQL转换成map-reduce程序；
Hbase：是hadoop的数据库，是物理表，是一个菲关系型数据库
联系：
Hbase主要解决的是实时数据查询问题，hive主要解决数据的处理和计算，
在大数据架构中，hive和hbase是协作的关系，通过hive对原始数据的清洗，处理和计算，hive处理后的数据可存入hbase中，数据从hbase中检索；
Hbase VS MySQL：
关系型数据库：
优点：数据之间有关系，进行增删改查很方便；
有事务操作，保证数据的完整性和一致性；
缺点：无法对海量数据进行处理，适合一般量级的数据；
Hbase：
优点：列是可以动态增加的，cell没有数据时，是不占存储空间的
Hbase自动进行切分数据，能够实现负载均衡
缺点：不能支持条件查询，只能按照rowkey查询
数据类型：hbase中只有字节码类型，所有的类型都由用户自己进行处理，关系型数据库中是有不同的数据类型的
数据操作：hbase只有简单的增删改查操作，表与表之间是分离的，关系型数据库有各种各样的连接操作和函数处理
存储模式：hbase是基于列族存储的，存储的数据量较大，关系型数据库是基于表格结构和行模式存储的；
可伸展性：hbase是一个分布式数据库，很容易扩展存储空间，而且容错性比较高
Hbase优化：
高可用：hmaster负责监控regionserver的生命周期，实现负载均衡，如果Hmaster挂掉了，配置高可用 hmaster节点，所以这种不健康的状态不会持续很长时间；
预分区：提前将分区大致规划好
Rowkey设计：设计的目的是让数据均匀的分布于region中，一定程度上防止数据倾斜，可以hash取值，
内存优化：提高堆内存空间
为什么会有列族：
一行有若干列组成,若干列又构成一个列族（column family），这不仅有助于构建数据的语义边界或者局部边界，还有助于给他们设置某些特性（如压缩），或者指示他们存贮在内存中，一个列族的所有列存贮在同一个底层的存储文件中，这个存储文件叫做HFile。