其他HBase的特性：

1）沒有真正的索引，行順序存儲，也沒有所謂的索引膨脹問題。

2） 自動分區(qū)，表增長時，自動分區(qū)到新的節(jié)點(diǎn)上。

3） 線性擴(kuò)展和區(qū)域會自動重新平衡，運(yùn)行RegionServer，達(dá)到負(fù)載均衡的目的。

4）容錯和普通商用的硬件支持。這點(diǎn)同hadoop類似。

HBase與RDBMS的區(qū)別？

1） 表的設(shè)計：HBase的表可以很高，很寬，可伸縮性很強(qiáng)。而且表的模式是物理存儲的直接反映。

2） 拓?fù)洌?HBase能水平分區(qū)并在上千個節(jié)點(diǎn)上自動復(fù)制。

3） 應(yīng)用形式： 開發(fā)者必須承擔(dān)更多的責(zé)任來正確地利用HBase的檢索和存儲方式。

4） RDBMS 遵循固定的模式，如“codd 12 規(guī)則”，強(qiáng)調(diào)事務(wù)的“強(qiáng)一致性”、參照完整性、SQL支持、數(shù)據(jù)的邏輯與物理形式相對獨(dú)立。等等。適用于中小規(guī)模的數(shù)據(jù)，但對于數(shù)據(jù)的規(guī)模和并發(fā)讀寫方面進(jìn)行大規(guī)模擴(kuò)展時，RDBMS會性能大大降低，分布式更為困難，因?yàn)槠湫枰艞壓芏郣DBMS的易用的特性。

HBase適用于上億、上千億級的數(shù)據(jù)，如果是只有上千、上百萬級別是數(shù)據(jù)，傳統(tǒng)的RDBMS是更好的選擇。

HBase需要更多硬件，如果硬件較少，如5個，干不成什么好事。

如果從RDBMS移植到HBase，需要消除RDBMS的很多額外特性，如列數(shù)據(jù)類型、第二索引、事務(wù)、高級查詢等。

HBase的數(shù)據(jù)模式是怎么樣的？即有哪些元素？如何存儲？

1） 數(shù)據(jù)模式

如下列三個表：

第一個是一個稀疏的表，實(shí)際上它是一個虛表，僅是一個概念視圖，不是真實(shí)的存儲形式，它來源于后兩個表。

而后兩個表才是真正的表，物理視圖，他們是實(shí)際的存儲形式，而且它們是按列族進(jìn)行存儲的。

2） HBase的基本元素：

表、行、列、單元格： 表的基本要素

鍵：一般是指行的鍵，即唯一標(biāo)識某行的元素。表中的行，可以根據(jù)鍵進(jìn)行排序，而對表的訪問，也通過鍵。

列族：所有列族成員擁有相同的前綴，某列族的成員，需要預(yù)先定義，但也可以直接進(jìn)行追加。

列族成員會一起放進(jìn)存儲器。而HBase面向列的存儲，是面向列族的數(shù)據(jù)存儲（這個通過上面那個表的示例可以看出來），數(shù)據(jù)存儲與調(diào)優(yōu)都在這個層次，HBase表與RDBMS中表類似，行是排序的，客戶端可以把列添加到列族中去。

單元格cell： 單元格中存放的是不可分割的字節(jié)數(shù)組。并且每個單元格擁有版本信息。HBase的是按版本信息倒序排列。

區(qū)域region：將表水平劃分，是HBase集群分布數(shù)據(jù)的最小單位。在線的所有區(qū)域就構(gòu)成了表的內(nèi)容。

加鎖：對數(shù)據(jù)行進(jìn)行更新，都需加鎖。保持原子性。

3） 數(shù)據(jù)模型有哪些操作？

Get、Scan、Put、Delete，即返回特定行的屬性，多行屬性、插入、刪除數(shù)據(jù)。

這些都需要一個HTable實(shí)例來操作。分別有Get、Scan、Put、Delete類來指定相應(yīng)的參數(shù)、屬性。

4） 返回結(jié)果的排序方式是什么？

先是行、再是列族、再是列修飾符，最后是時間戳（反向排序，最新的在前面）。

5）最后，HBase不支持聯(lián)合查詢

6）mapreduce與HBase表配合使用，默認(rèn)mapreduce的任務(wù)分割是根據(jù)HBase表中region的多少來分割，一個region就有一個map。

HBase的模式Schema設(shè)計的一些概念和原則

1）模式的創(chuàng)建與更新

可以使用HBase Shell或HBase Admin來創(chuàng)建和編輯HBase的模式。

在0.90.x 版本，只能先禁用表，再修改列族，而0.92.x版本以后，支持在線修改。

而且表和列族修改后，如size， region， block size等，在下次 主緊縮 或 存儲文件時 起作用。

2）列族的數(shù)量

-列族數(shù)量越少越好，即使同時有兩個列族，查詢的時候總是訪問其中一個列族，不會同時訪問。

-當(dāng)一個表存在多個列族，當(dāng)基數(shù)差距很大時，如A族有100萬行，B族10億行，A族可能會被分散到很多區(qū)域region，導(dǎo)致掃描A的效率降低。

-另外，多個列族在flush和compaction時，會造成很多I/O負(fù)擔(dān)。

3）行鍵設(shè)計RowKey

a. 不要將RowKey設(shè)計成有序的形式，因?yàn)檫@樣容易阻塞并行性，將負(fù)載壓都在一臺機(jī)器上

b. 定位一個單元，需要行，列名和時間戳。如果一個單元格的坐標(biāo)很大，會占用內(nèi)存，索引用光。所以，解決方法：列族名盡量小，如一個字符a，短屬性名，而行鍵長度可讀即可（行鍵長度對數(shù)據(jù)訪問無太大影響），將數(shù)字字符轉(zhuǎn)換為數(shù)字字節(jié)模式（節(jié)省空間）。

c. 倒序時間戳有助于找到找到最近版本值

d. 行鍵是在列族范圍內(nèi)有效，不同列族中可以擁有同樣的行鍵

e. 行鍵永遠(yuǎn)不能變

4）HBase支持所有能轉(zhuǎn)換為字節(jié)數(shù)組的東西，如字符串、數(shù)字、復(fù)雜對象、計數(shù)器、甚至圖像。

5）列族可以設(shè)置存活時間TTL，超時后，HBase自動刪除數(shù)據(jù)

6）第二索引和查詢： 這里面有很多東西，需要查看對應(yīng)版本官方的文檔更好些。

HBase的拓?fù)浣Y(jié)構(gòu)是什么？

1）拓?fù)浣Y(jié)構(gòu)： 類似于HDFS的mast與slave，mapreduce的tasktracker與jobtracker的關(guān)系，HBase也有master和RegionServer

2）HBase與ZooKeeper的關(guān)系是什么？

HBase必須管理一個ZooKeeper實(shí)例，它依賴ZooKeeper，主要目的是，通過ZooKeeper來協(xié)調(diào)區(qū)域內(nèi)的服務(wù)器，它負(fù)責(zé)目錄表、主控機(jī)地址等重要信息，若有服務(wù)器崩潰，HBase就可以通過ZooKeeper來協(xié)調(diào)分配。

RegionServer在HBase的配置文件conf/regionservers文件中，而HBase集群的站點(diǎn)配置在conf/hbase-site.xml和conf/hbase-env.sh中配置。HBase盡量遵循了Hadoop的規(guī)則。

3）HBase的內(nèi)部結(jié)構(gòu)管理狀況：

其內(nèi)部有-ROOT， -META的特殊目錄表，用于維護(hù)當(dāng)前集群上所有區(qū)域的列表、位置和狀態(tài)。

-ROOT表包含 -META表的區(qū)域列表，而-META表示包含用戶的的區(qū)域列表。

所以，HBase管理的流程是：

Client -- 鏈接到ZooKeeper -- 查找-ROOT表的位置 -- 查找-META表的位置 -- 查找用戶的區(qū)域所在的節(jié)點(diǎn)、位置及其狀態(tài)等 -- 直接管理指定區(qū)域的RegionServer并進(jìn)行交互。

HBase支持Java及MapReduce的開發(fā)。

HBase提供了Thrift、REST及Avro的接口。HBase需要有一個相應(yīng)的接口客戶端負(fù)責(zé)與這些接口的交互。但是這些需要代理進(jìn)行處理請求和響應(yīng)，所以比java更慢。

%hbase-daemon.sh start/stop rest/thrift/avro //啟動或終止對應(yīng)的客戶端