hbase的原型是google的bigtable**，受到了該**思想的啟發，目前作為hadoop的子專案來開發維護，用於支援結構化的資料儲存。
hbase是乙個高可靠性、高效能、面向列、可伸縮的分布式儲存系統，利用hbase技術可在廉價pc server上搭建起大規模結構化儲存集群。
hbase的目標是儲存並處理大型的資料，更具體來說是僅需使用普通的硬體配置，就能夠處理由成千上萬的行和列所組成的大型資料。【非大勿用】
hbase是google bigtable的開源實現，但是也有很多不同之處。比如：google bigtable利用gfs作為其檔案儲存系統，hbase利用hadoop hdfs作為其檔案儲存系統；google執行mapreduce來處理bigtable中的海量資料，hbase同樣利用hadoop mapreduce來處理hbase中的海量資料；google bigtable利用chubby作為協同服務，hbase利用zookeeper作為對應。
上面的話太官方，挨個看都認識，連起來不理解。簡單粗暴的總結：就是一款nosql資料庫，面向列儲存，用於儲存處理海量資料。
核心在於它是乙個存資料的地方，可是在此之前學習過了hdfs和mysql，那hbase為什麼還會出現呢？後邊細說~
先說一下mysql，我們都知道mysql是乙個關係型資料庫，平時開發使用的非常頻繁。乙個**或者系統最核心的表就是使用者表，而當使用者表的資料達到幾千萬甚至幾億級別的時候，對單條資料的檢索將會耗費數秒甚至分鐘級別。實際的清空可能更加複雜不堪。
看下邊一張表：
有這麼一張使用者表，假如我要根據id=1查詢出來這條資料對應的使用者姓名，很簡單，會給我們返回zhangsan。但是，當我們查的時候，想一下，查名字的時候age和email會不會被查出來？答案是肯定的，mysql的資料儲存是以行為單位的，面向行儲存。那問題就出現了，我只需要找出zhangsan的名字，卻需要查詢一整行的資料，如果列非常多，那麼查詢效率可想而知了。
查詢的操作速度會受到以下兩個因素的制約：
如果一張表的列過多，會影響查詢效率，我們稱這樣表為寬表。怎麼優化呢，拆開來，豎直拆分：
這樣的情況下，我們要查詢username的時候只需要查詢user_basic表，沒有多餘的字段，查詢效率就會很快。
如果一張表的行過多，會影響查詢效率，我們將這樣的表稱之為高表，可以採用水平拆表的方式提高效率：
這種水平拆分應用比較多的 場景就是日誌表，日誌資訊每天產生很多，可以按月進行水平拆分，這樣就實現了高表變矮。
這時候，想到了json格式的字串，這是一種以字串的形式表示的物件，而且屬性字段可以動態拓展，於是有了下邊這種做法，兩種做法加以對比：
ok，這樣儲存資料它不挺好的嘛，hbase出來幹嘛？？mysql有一點，資料達到一定的閾值，無論怎麼優化，它都無法達到高效能的發揮。而大資料領域的資料，動輒pb級，這種儲存應用明顯是不能很好的滿足需求的。針對上邊的問題，hbase都有很好的解決方案~~
先不說為什麼用，接著上邊說到的幾個問題：高表寬表，資料列動態擴充套件，把提到的幾個解決辦法：水平垂直切分，列擴充套件方法，雜糅在一起。
有這麼一張表，怕它又寬又高，又會動態擴充套件列，那麼在設計之初，就把這個表給他拆開，為了列的動態拓展，直接儲存json格式：
這樣就解決了寬表問題，高表怎麼辦呢？
乙個表的兩部分，各存一部分行：
解決了高表，寬表，動態擴充套件列的問題~~完美plus~
如果還要進一步提高效能怎麼辦？mysql->redis !!! 快取啊！
查詢出來的資料放入到快取中，下一次查詢直接從快取中拿資料。插入資料怎麼辦呢？也可以這樣理解，我把要插入的資料放進快取中，再也不用管了，直接由資料庫從快取拿資料插入到資料庫。此時程式不需要等待資料插入成功，提高了並行工作的效率。
可是這樣做有了很大的風險，伺服器宕機的話，快取中的資料沒來得及插入到資料庫中，那不就丟資料了嘛。參考redis的持久化策略，可以給插入資料這個操作新增乙個操作日誌，用於持久化插入操作，宕機重啟後從日誌恢復。
這樣設計架構就變成了這個樣子：
上邊這種解決方式，實際上就是hbase實現的大致思路，詳細的內容會在後邊慢慢說。
簡單粗暴總結：hbase就是乙個面向列儲存的非關係型資料庫。兩者的區別主要是：
hbase是的儲存時基於hdfs的，hdfs有著高容錯性的特點，被設計用來部署在低廉的硬體上，而且它提供高吞吐量以訪問應用程式的資料，時候那些有著超大資料集的應用程式。基於hadoop意味著hbase與生俱來的超強的擴充套件性和吞吐量。
hbase採用的時key/value的儲存方式，這意味著，及時隨著資料量的增大，也幾乎不會導致查詢效能的下降。hbase又是乙個面向列儲存的資料庫，當表的字段很多時，可以把其中幾個字段獨立出來放在一部分機器上，而另外幾個字段放到另一部分機器上，充分分散了負載的壓力。如此複雜的儲存結構和分布式的儲存方式，帶來的代價就是：即便是儲存很少的資料，也不會很快。
hbase並不是足夠快，而是資料量很大的時候它慢的不明顯。什麼時候使用hbase呢，主要是以下兩種情況：
HBase 學習一（基礎入門）
hbase 是乙個分布式的 面向列的開源資料庫，該技術 於 fay chang 所撰寫的 google bigtable 乙個結構化資料的分布式儲存系統 就像 bigtable 利用了 google 檔案系統 file system 所提供的分布式資料儲存一樣，hbase 在 hadoop 之上提供...
HBase學習筆記（一） 《HBase簡介》
hbase簡介 1 hbase表的結構 hbase以表 table 的形式儲存資料 row key 行鍵 與nosql資料庫們一樣,row key是用來檢索記錄的主鍵。row key行鍵 row key 可以是任意字串 最大長度是 64kb，實際應用中長度一般為 10 100bytes 在hbase...
Python學習筆記（一）基礎入門
給大家推薦mooc上北理工嵩天老師講的python課。1.用縮進來區分模組，所以嚴格注意空格和tab。2.一般用新行作為語句結束。但是可用 分為多行顯示 有,可以不需要連線符 4.python可以在同一行中使用多條語句，語句之間使用分號 分割 5.print 預設輸出是換行的，如果要實現不換行需要在...