Apache顶级项目介绍7 － HBase

今天我们来继续介绍Apache顶级项目大数据三巨头之一的HBase。恰逢今天(5.24)是HBase Con2016旧金山盛会，比较应景，而且还有朋友@Luke Han去演讲Kylin。

1. 官网简介：

老样子，HBase官网的介绍， "HBase is the Hadoop database, a distributed, scalable, big data store."，所以HBase   =  Hadoop Database，并且提供了分布式可扩展的数据存储。（HBase的官网直接差评，像API文档，唯一亮点是有部分中文文档）

我们之前的系列提到过，HBase是源自2006年OSDI的Google论文BigTable, 

Chad Walters和Jim受其启发于2007年即实现了HBase. 类似Google BigTable使用GFS作为文件存储系统，HBase利用Hadoop的HDFS作为其文件系统；Google用MapReduce来处理bigtable中的海量数据，HBase用Hadoopd的MapReduce来处理；同样Google使用Chubby作为协同服务，HBase采用Zookeeper。大家是不是感慨山寨的威力啊？就差Made in China?

2. HBase功能及作用

HBase有什么功能作用呢？同样我们回顾一下当年Google为什么会研发BigTable吧。Google当年面临一个大的挑战，如何能实时搜索互联网内容？它的方案是需要把互联网内容缓存，并基于海量的缓存上提供快速实时查询。所以有了：

• GFS : 解决分布式，可扩展的文件存储系统。

• BigTable: 分布式存储，管理PB级别结构化数据并提供实时查询。

• MapReduce: 处理分布式计算。

好吧官网给出如下建议，HBase作为大型分布式数据库，更像是一个Data Store多于Data Base。却少很多RDBMS重要特性如列类型，触发器，高级查询语言，高级事务等。请确信有足够数据，如达上亿或者上千亿行以上数据，或者上百万列；如果只有几百万行则RDBMS更加。

另外HBase是一个面向列的数据库。大概解释一些列式数据库吧。

行式数据库把一行中所有数据串在一起存储；Row-based storages stores a table in a sequence of rows. 列式则把一列数据串在一起存储，如我们熟悉的Sybase IQ; 

上图：