部门分享——HBase

今天部门分享了HBase。发一下自己的稿子

本次分享的开始，想要旧事重提一下，Google被誉为大数据领域的“三驾马车”的那三篇论文:
第一篇是:The google file system
第二篇是:MapReduce:Simplified Data Processing on Large Clusters
第三篇是:2006年发表的 BigTable：A Distributed Storage System for Structured Data. 它介绍了很多BigTable的设计原理，但其实这些原理大多都能在HBase中找到影子。

尽管有微小异同，例如压缩算法，时间戳单位等，但是，HBase实现了BigTable的储存架构。

本次分享会，我会从HBased 的一些特性讲起，并且明确什么样的使用场景和数据场景适用HBase。再简述一下架构与API。最后讲一下实际项目中遇到过的坑。至于如何安装和配置这些就不提了，这个网上都能查到。

为什么想要讲这么多适用场景与特性，因为我觉得，首先我们得明白一个组件、技术的使用场景，那么等到需求到来的时候，我们才能够及时、准确地挑选组件，我觉得这点很重要。最后等到实践场景中，真正需要用这个组件的时候，再进行针对性地熟练与学习，也来得及的。

要想知道 HBase 的用途，就需要看一看其在 Apache 的 Hadoop 生态系统中的位置，可以看到 HBase 是构建在 HDFS 之上的，这是由于 HBase 内部管理的文件全部都是存储在 HDFS 当中的。同时，MapReduce 这个计算框架在 HBase 之上又提供了高性能的计算能力来处理海量数据。

1.HBase简介
前面提到过，HBase是按照BigTable模型实现的，是一个稀疏的、分布式的、持久化的、多维的映射。

那么HBase的特点又有那些呢？
作为大数据组件，它的特点第一就是容量大：
那传统关系型数据库为例，关系型数据库的单表一般不会超过五百万，一旦超过则需要要做分表分库。列数也不会超过30列。
但Hbase单表，就可以有百亿行、百万列。有用数据矩阵，横向，和纵向两个维度。所支持的数据量级也非常具有弹性

面向列：
面向列的存储和权限控制，可以动态增加列。这样的话读的效率也会很高
稀疏性：
为空的列并不占用存储空间，表可以设计的非常稀疏。不必像关系型数据库那样需要预先知道所有列名，然后再进行默认值填充
多版本：
Hbase的每一个列的数据存储有多个Version，也就是timestamp。举个栗子，假如你要存一个人的住址列信息，可能由于搬家，有多个版本变更，所以该列就可以有多个version

拓展性：
底层依赖HDFS，当磁盘空间不足的时候，只需要动态增加datanode&#