- A+
所属分类：HBase
关于Hbase的基础介绍网上已经一大堆了，随便一搜即可知道它的一些描述“列存储”、“BigTable”之类的，在这里直接总结一些基本特性。
1. 基本特性
(1) Hbase基于HDFS（故Hbase和DFS有关，和Yarn无关，如果单纯的操作Hbase，只启动dfs-start.sh即可）；
(2) Hbase支持简单查询，不支持join等复杂查询，不支持复杂事物（支持行级事物，即行原子性操作，不论有多少列，一次性查出）；
(3) Hbase支持数据类型：byte[](这也就是我们通过hbase shell看到表里存的内容我们不能直接看懂的原因)；
(4) 与Hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力（即只要扩Datanode和Regionserver即可）。
2. 关于表（Table）
(1) 大：一个表可以有上亿行，百万列；
(2) 面向列：面向列（族）的存储和权限控制，列（族）独立检索；
(3) 稀疏：对于空（null）列，不占空间。
3. 关于行键（Rowkey）
(1) Rowkey是检索主键，查询行时只有三种方式：Get 单个Rowkey；通过Rowkey所在的Region；Scan整张表。
(2) Rowkey最大长度64kb，实际应用一般为10-100bytes，在Hbase底层，Rowkey以字节数组的形式保存。
(3) Rowkey底层存储按照字典序存储，故在使用时要注意Rowkey的设计。
字典序：1,10,100,11,12,13,14,2,20...
所以要保持自然的整形排序，需要用0作左填充。
4. 关于列族(Column Family)
(1) 列族是属于Schema的一部分，所以建表要声明（而列不用）。
(2) 实际应用可以基于列族来做权限控制，指定某些应用可以读、某些可写等。
5. 关于时间戳（Timestamp）
HBase中通过row和columns确定的为一个存贮单元称为cell。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。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。
1.6 行存储和列存储的对比
(1) 行存储：
(2) 列存储：
