HBase的优化

Point1：
生活中的数据基本上都是非结构化的数据，可以从HBase 提取一部分数据作为结构化数据，然后用Hive和HBase结合一下，使用Hive进行查询

Point 2：
HBase + Redis（客户端的缓存）——一对非常好的搭档

Point 3：HBase的缺点
1.查询不灵活，不能使用cloumn过滤查询
2.不支持全文索引，使用solr和hbase整合可以完成全文搜索
3.HBase本身只能做实时的增删改查，必须借助MapReduce和Spark来做数据分析和挖掘，并且代码中继承TableMapper 之后，输入数据类型固定

Point4：HBase的优化：
1.数据方面的优化
可以对RowKey进行散列，利用散列性进行取反（比如数字）或者求Hash值
HBase并不能很好的处理超过2到3个的column family的表，合并需要用到diskIO（DiskIO是一个发展瓶颈）

2.文件的合并方式：
minor compact ：较小、很少文件的合并
每一次合并默认是10个文件 hbase-hstore-comgpaction-min(3)、max(10)、min.size、max.size__配置在hbase-site.xml
major compaction
把所有的store file 合并成一个

3、WAL flag ——HLog日志
默认情况下，是启动的，当导入数据的时候，需要关闭HLog，因为一旦RegionServer一旦宕机，Put、Delete的数据无法根据WAL日志进行恢复

4、table 和 ResultScanner 编写程序时，finally中都要关闭，否则对应的RegionServer资源无法释放

5、缓存
MemStore 写缓存——无法关闭的，但是可以调整大小（40%—90%）
BlockCache 读缓存
Scan Caching 读缓存不开启

6、HBase的压缩方式：
可以采用支持字节流的一种压缩方式
protocol buffer 基于字节的二进制数据的数据交换格式——Google创作的
JSON基于字符串的交换格式，轻量级的数据交换格式
gson 专门可以把java的数据变成json
Jackson是java中处理json数据格式的一个类库

7、HBase触发器
触发器：表级的触发器、系统级的触发器
coprocessor