hbase的scan和get不同，前者獲取資料是序列，後者則是並行；是不是有種大跌眼鏡的感覺？
scan有四種模式：scan，(table)snapscan，(table)scanmr，snapshotscanmr；前面兩個是序列玩；後面兩個是放置到mapreduce中玩；其中效能最好的就是snapshotscanmr；
首先解釋一下什麼是snapshort，snapshot是hbase資料表元資料的乙個快照，是的，不包括資料；有一點概念要建立清楚，hbase的資料的儲存並不是hbase管理，而是hdfs；其實關係型資料庫的儲存也是osfs管理的。hbase的設計就是一旦資料寫入了，就不改變了，改變操作(update，delete)並不是修改hfile，而是填充墓碑檔案而已；所以快照尤其價值，比如可以快速拷貝乙個hbase表(只是拷貝表結構，重用原始表的hdfs資料)。
剛才講的snapshot在scan裡面也有應用場景，就是snapshotscan以及snapshortscanmr；注意mr的scan模式就不再是最上面提到的序列查詢，而是並行查詢；底層機制是map-reduce；所以就下來而言，mr是要高的；畢竟是多個region查詢。
接著，就是scanapi的設計：
1. 業務呼叫hbase client，hbaseclient首先是查詢快取是否還有資料，如果有則返回資料；
2. 如果沒有資料，則通過向regionserver繼續請求下面的100條記錄；
3. 作為伺服器端接收到next請求之後，將會通過查詢blockcache→hfile→memstore流程來一行一行的返回資料。
這種api的呼叫模式(每次返回100條)目的是避免網路資源以及hbase client端記憶體資源發生壓力；所以可以看到，scanapi其實只是適合於少量資料的處理；
可以看到，模式很類似，都是在client中通過多執行緒模式進行並行處理；但是snapshotscanmr不再和region server互動，而是直接在客戶端和hdfs互動；這樣設計的好處即使減輕了region server的壓力；但是需要事先和region server互動，獲取snapshot的資訊，即hbase的元資料資訊(表結構以及hdfs儲存資訊)，這樣，就可以跳過region server直接和hdfs位址互動；但是snapshot有乙個缺點：實時性不夠；可能最近的一些資料的修改沒有在snapshot中體現出來。可能會讀到一些髒資料(刪除更新資料仍然存在，只不過在墓碑記錄而已，當然如果merge過後就沒了)，可能讀不到一些最新資料。
參考：
HBase資料庫操作
學生表student name score english math computer zhangsan lisi 根據上面 給出的學生表student的資訊 執行如下操作 1 用hbase shell命令建立學生 表student 2 用scan命令瀏覽student表的相關資訊 3 查詢zhan...
HBase總結（4） 資料掃瞄與Scan物件
一 介紹 put delete與get物件都是row的子類，從該繼承關係中我們就可以了解到get delete與pu物件本身就只能進行單行的操作，hbase客戶端還提供了一套能夠進行全表掃瞄的api，方便使用者能夠快速對整張表進行掃瞄，以獲取想要的結果 scan 二 流程介紹 全表掃瞄是一種不需要行...
使用Python連線Hbase資料庫
在使用python連線hbase資料庫時，會出現如下錯誤提示，主要原因是版本帶來的語法相容性問題，因此需要用hbase.py和ttypes.py將路徑d program files programdata anaconda3 lib site packages hbase 自己的python安裝目錄...