HBase与Hadoop生态其他组件的联系

1.1 定义

HBase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库。

分布式体现：底层存储在HDFS；集群中的Regionserver服务器也是分布式运行。

可扩展体现：在建表的时候无需指定具体的列，在插入具体数据时指定；可以通过简单的增加机器来增加存储量。

1.2 应用场景

1. 写密集型应用，每天写入量巨大，而相对读数量较小的应用，比如IM的历史消息，游戏的日志等等

2. 不需要复杂查询条件来查询数据的应用，HBase只支持基于rowkey的查询，对于HBase来说，单条记录或者小范围的查询是可以接受的，大范围的查询由于分布式的原因，可能在性能上有点影响，而对于像SQL的join等查询，HBase无法支持。

3. 对性能和可靠性要求非常高的应用，由于HBase本身没有单点故障，可用性非常高。

4. 数据量较大，而且增长量无法预估的应用，HBase支持在线扩展，即使在一段时间内数据量呈井喷式增长，也可以通过HBase横向扩展来满足功能。

1.3 在Hadoop生态中与各个组件的关联

1. HBase其实是 Hadoop database的简称，它的数据文件（storeFile、WAL等）存储在HDFS上。
2. HBase通过Zookeeper来做master的高可用、RegionServer的监控、元数据的入口（当HBase读写数据时，需要从Zookeeper中查询meta表所处的Regionserver信息从而获取到需要读写的表格的位置信息）以及集群配置的维护等工作。
   从而获取到需要读写的表格的位置信息）以及集群配置的维护等工作。
3. HBase中有Column Family的概念，简称为CF。CF一般用于将相关的列（Column）组合起来。在物理上HBase其实是按CF存储的，只是按照Row-key将相关CF中的列关联起来。Hbase对数据的存储方式和数据结构进行的修改和规整（K-V形式），使其更加善于去处理大数据的场景，此在Hadoop MapReduce运行计算时能够提供更好的底层支持。