关于HBase的几个问题

1.我们常说HBase是“数据即日志”的数据库，它是怎样修改和删除数据的？和Oracle这类传统的RDBMS有什么区别？

HBase是一个分布式的、面向列的数据存储系统。通过在HDFS上提供随机读写来解决Hadoop不能处理的问题。

由于HBase的数据文件在HDFS系统中，因此本质上很难修改和删除数据。

在HBase中，修改和删除数据都是增加1个新版本的数据（时间戳为最新），旧版本的数据并没有发生变化。

标准的RDBMS是模式固定、面向行的数据库且具有ACID性质和复杂的SQL查询处理引擎。

RDBMS强调事务的“强一致性”、参照完整性、数据抽象与物理存储相对独立，以及基于SQL语言的复杂查询支持。

RDBMS需要大量的I/O，因此要求更昂贵的硬件。

Oracle没有数据的版本概念，在修改和删除数据时不会增加新的数据记录，直接对老数据进行修改或删除。一旦完成修改或删除，则原始数据发生变化。

2 HBase合并storefile的原因是什么？在合并的过程中会做什么操作？如果在合并过程中恰好有涉及到有关storefile的查询发生，会发生什么情况（这个问题需要自行研究）？

HBbase的新数据首先是放在MemoryStore中的，数据量超过阈值后才会被写入物理文件StoreFile。

因此，这些物理文件StoreFile初次的容量都不大（内存的映射）。
HBase会定时合并这些较小的StoreFile，形成较大的StoreFile更有利于HDFS物理文件的读操作。

而且，合并时会删除其中过期的旧版本数据和被删除的数据。
如果在合并过程中恰好有涉及到有关storefile的查询发生的话，HBase先是把小storefile加载到内存中，用户可以在内存中检索相关数据，
其实内存中做存在一个独立镜像备份专门提供查询，当合并完成后内存空间中的镜像备份才会被撤销。

3 HBase具有怎样的一致性水平？

对于分布式系统，有一个非常重要的CAP理论，指的是分布式（或者共享数据）系统的设计中，至多只能提供三种重要特性中的两个--一致性、可用性和容忍网络区分。

简单的说，一致性指如果一个人向数据库写了一个值，那么其他用户能够立刻读取这个值，可用性意味着如果一些节点失效了，
集群中的分布式系统仍然能继续工作，而容忍分区意味着，如果节点被分割成两组无法互相通信的节点，系统仍然能够继续工作。

Hbase,是一种最终一致性的系统，为了高的可用性牺牲了一部分的一致性。
HBase架构在HDFS系统之上，是分布式的NoSQL列式数据库，它是一个CP型数据库（相反Cassandra是一个AP型数据库）。每一行数据仅在一个Region中，
没有多余副本可读，保证了数据的一致性。