HBase学习一：HBase概述

HBase产生背景

自 1970 年以来，关系数据库用于数据存储和维护有关问题的解决方案。大数据的出现后，好多公司实现处理大数据并从中受益，并开始选择像 Hadoop 的解决方案。 Hadoop 使用分布式文件系统，用于存储大数据，并使用 MapReduce 来处理。 Hadoop 擅长于存储各种格式的庞大的数据，任意的格式甚至非结构化的处理。

Hadoop 的限制

Hadoop 只能执行批量处理，并且只以顺序方式访问数据。这意味着必须搜索整个数据集，即使是最简单的搜索工作。

当处理结果在另一个庞大的数据集，也是按顺序处理一个巨大的数据集。在这一点上，一个新的解决方案，需要访问数据中的任何点（随机访问）单元。

Hadoop 随机存取数据库

应用程序，如 HBase， Cassandra， CouchDB， Dynamo 和 MongoDB 都是一些存储大量数据和以随机方式访问数据的数据库。

总结：

1. 海量数据量存储成为瓶颈，单台机器无法负载大量数据
2. 单台机器 IO 读写请求成为海量数据存储时候高并发大规模请求的瓶颈
3. 随着数据规模越来越大，大量业务场景开始考虑数据存储横向水平扩展，使得存储服务可以增加/删除，而目前的关系型数据库更专注于一台机器
4. 当数据进行水平扩展时候，如何解决数据IO高一致性问题。结合Map/Reduce计算框架进行海量数据的离线分析。

随之而来的出现了很多的分布式存储解决方案，HBase就是其中之一。

HB