简介：
由于对基础服务吞吐能力进行升级，目标tps10w+，mysql数据库无法承载，限制了基础服务的能力，需要将相关数据表进行迁出至nosql中，经过调研和比较后决定使用Hbase来进行数据存储。因为作者之前工作未涉及到如此大的数据量，也没有在项目中使用过Hbase因此需要进行技术调研，考虑到有些小伙伴可能和我有一样的，因此决定将调研和开发过程通过技术博客的形势记录下来，希望能给大家带来一些帮助和思考。
Hbase概览
Hbase简介：
当您需要对大数据进行随机、实时读写访问时，请使用ApacheHbase™。这个项目的目标是在商品硬件集群上托管非常大的表——数十亿行和数百万列。ApacheHbase是一个开源的、分布式的、版本化的、非关系的数据库，模仿谷歌的Chang等人的结构化数据分布式存储系统。就像Bigtable利用了谷歌文件系统提供的分布式数据存储一样，ApacheHbase在Hadoop和HDFS上提供了类似大表的功能。
——apache 对hbase简介
Hbase特性：
·线性和模块化可伸缩性
·数据的强一致性
·表的伸缩和配置灵活
·注册表服务器之间的自动故障转移支持
·简易的Java API 调用
·块缓存和布隆过滤器快速实时查询
·序列化支持：XML，Protobuf，二进制等
·可扩展的基于jruby的(JIRB) shell
·支持导出指标经过Hadoop metrics子系统，导出到文件，ganglia，或JMX
Hbase概念术语：
简单来说，应用程序是以表的方式在Hbase存储数据的。表是由行和列构成的，所有的列是从属于某一个列族的。行和列的交叉点称之为cell,cell是版本化的。cell的内容是不可分割的字节数组。表的行键也是一段字节数组，所以任何东西都可以保存进去，不论是字符串或者数字。Hbase的表是按key排序的，排序方式之针对字节的。所有的表都必须要有主键-key.
1.RowKey：主键，可以暂时对比Mysql数据库中表的主键（rowkey会和数据水平拆分region有关），请不要单纯的认为它只是一个简单的主键哦！
2.列族Column Family：Table在水平方向有一个或者多个ColumnFamily组成，一个ColumnFamily中可以由任意多个Column组成，即ColumnFamily支持动态扩展，无需预先定义Column的数量以及类型，所有Column均以二进制格式存储，用户需要自行进行类型转换。
个人解读：列簇，可以先将他看成是对表中列的一个分类，根据数据的类型和修改频率来分，像我们数据表中可能很多列插入数据后基本不变，有些列后续修改比较频繁就可以将它们通过列簇进行区分出来，这样在修改到的时候性能也会提升很多，同时列簇的数量建议不要太多
为什么列簇不要太多？
理由：更大的Region可以使你集群上的Region的总数量较少。 一般来言，更少的Region可以使你的集群运行更加流畅。(你可以自己随时手工将大Region切割，这样单个热点Region就会被分布在集群的更多节点上)。较少的Region较好。一般每个RegionServer在20到小几百之间。 调整Region大小以适合该数字。0.90.x 版本, 默认情况下单个Region是256MB。Region 大小的上界是 4Gb. 0.92.x 版本, 由于 HFile v2 已经将Region大小支持得大很多， (如, 20Gb).可能需要实验，基于硬件和应用需要进行配置。可以调整hbase-site.xml中的 hbase.hregion.max.filesize属性. RegionSize 也可以基于每个表设置： HTableDescriptorhttp://hbase.apache.org/apidocs/org/apache/hadoop/hbase/HTableDescriptor.html.
3.列column：由Hbase中的列族ColumnFamily + 列的名称（cell）组成列。
4.单元格cell：Hbase中通过row和columns确定的为一个存贮单元称为cell。
5.版本version：每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引
注：version在Hbase运行原理中也是很重要的，相同版本，最新版本，老版本有什么用，在使用要注意什么，这些都要清楚，否则你在使用中可能与遇到各种各样奇奇怪怪的问题。后面会专门写一篇Hbase版本相关的博客，在此先提醒各位同学要关注版本问题哟！！！
6.Hbase数据结构图：
| 行健（主键） | 列簇A（baseA：个人信息） | 列簇B (baseB：个人简介 ) | ||
| name | sex | interest | occupation | |
| rowkey0001 | 张三 | 男 | 撸啊撸 | 程序员 |
| rowkey0002 | 王小莉 | 女 | shopping | 网红 |
注：这张表用户表，我定义了两个列簇：根据修改频繁度和列分类（基础信息，简介），在设计Hbase表时大家要考虑冗余一些字段，也要考虑这些数据量带来存储空间大小做一些取舍衡量。
Hbase下载Hbase是建立Hadoop基础上的数据库文件，因此Hbase是分布式的数据库。Hbase也提供了单机版的安装。使用过程中请注意JDK，Hadoop，Hbase之间相对应的版本，避免发生未知问题！！！
JDK 和 Hbase 版本关系表： Hadoop和Hbase版本关系表:注1：Google公司有三篇重要的论文分别为《Google File System》、《Google Bigtable》和《Google MapReduce》,这三篇论文阐述了Google的三种技术，GFS分布式文件系统，Bigtable分布式数据存储系统，MapReduce编程模型。为后续解决分布式并行计算提供了参考。也为大数据技术的发展和应用提供了可能。
注2: 技术调研资料参考地址：
Hbase apache 官方地址
Hbase 官方文档中文版
看Google三篇重要论文有感
Hbase教程(一) Hbase入门教程
