数据库排名：https://db-engines.com/en/ranking
| 实例 | 应用场景 | 数据模型 | 优点 | 缺点 | |
|---|---|---|---|---|---|
| k-v模型 | Radis;Memcached | 内容缓存，主要用于处理大数据的高访问负载 | key-value键值对 | ||
| 列式模型 | Hbase(Hadoop Database);BigTable(Google);Cassandra(Twitter) | 分布式文件系统 | 以列存储，将同一列数据存储在一起 | ||
| 文档模型 | MongoDB;CouchDB | Web应用 | JSON格式的文档 | ||
| 图形模型 | Neo4j | 社交网络 | 节点+边 |
https://www.cnblogs.com/JamesXiao/p/6202372.html
https://www.cnblogs.com/nexiyi/p/hbase_shell.html
https://www.cnblogs.com/steven-note/p/7209398.html
1)特点
分布式面向列的数据库 横向扩展性好 随机读写 容错能力 伸缩性好 稀疏性
2）组成
HMaster服务器群：负责Region的分配及数据库的创建和删除等操作。
HRegioServer服务器群：负责数据的读写服务 。
ZooKeeper：作为HDFS的一部分 ，负责维护服务器集群的状态（某台服务器是否在线，服务器之间数据的同步操作及master的选举等）。
Client访问Hbase上的数据并不需要HMaster参与，寻址访问ZooKeeper和HRegionServer，数据读写访问HRegionServer， HMaster仅仅维护Table和Region的元数据信息，Table的元数据信息保存在ZooKeeper上，负载很低。HRegionServer存取一个子表时，会创建一个HRegion对象，然后对表的每个列簇创建一个Store对象，每个Store都会有一个MemStore和0或多个StoreFile与之对应，每个StoreFile都会对应一个HFile，HFile就是实际的存储文件。因此，一个HRegion有多少列簇就有多少个Store。
Table在行的方向上分割为多个HRegion，每个HRegion分散在不同的RegionServer中 ，但同一个HRegion是不会拆分到多个HRegionServer上的。HRegion按大小分割，每个表一般只有一个HRegion，随着数据不断插入表，HRegion不断增大，当HRegion的某个列簇达到一个阀值（默认256M）时就会分成两个新的HRegion。这个过程由HRegionServer管理，而HRegion的分配由HMaster管理。
每个HRegion由多个Store构成，每个Store由一个MemStore和0或多个的StoreFile组成，每个Store保存一个列簇 MemStore 是放在内存里的，保存修改的数据即keyValues。当MemStore的大小达到一个阀值（默认64MB）时，MemStore会被Flush到文件，即生成一个快照。 MemStore内存中的数据写到文件后就是StoreFile ，StoreFile底层是以HFile的格式保存。
3）模型
Region数据模型
定位数据：行键 ；
行键+时间戳 ； 行键+列族列 ；
Region物理存储模型
