無論是 NoSQL，還是大數據領域，HBase 都是非常"炙熱"的一門數據庫。本文將對 HBase 做一些基礎性的介紹，旨在入門。

一、簡介

HBase 是一個開源的、面向列的非關系型分布式數據庫，目前是Hadoop體系中非常關鍵的一部分。在最初，HBase是基于谷歌的 BigTable 原型實現的，許多技術來自于Fay Chang在2006年所撰寫的Google論文"BigTable"。與 BigTable基于Google文件系統（File System）一樣，HBase則是基于HDFS(Hadoop的分布式文件系統)之上而開發的。

HBase 采用 Java 語言實現，在其內部實現了BigTable論文提到的一些壓縮算法、內存操作和布隆過濾器等，這些能力使得HBase 在海量數據存儲、高性能讀寫場景中得到了大量應用，如 Facebook 在 2010年11 月開始便一直選用 HBase來作為消息平臺的存儲層技術。HBase 以Apache License Version 2.0開源，這是一種對商業應用友好的協議，同時該項目當前也是Apache軟件基金會的頂級項目之一。

有什么特性

基于列式存儲模型，對于數據實現了高度壓縮，節省存儲成本

采用 LSM 機制而不是B(+)樹，這使得HBase非常適合海量數據實時寫入的場景

高可靠，一個數據會包含多個副本(默認是3副本)，這得益于HDFS的復制能力，由RegionServer提供自動故障轉移的功能

高擴展，支持分片擴展能力(基于Region)，可實現自動、數據均衡

強一致性讀寫，數據的讀寫都針對主Region上進行，屬于CP型的系統

易操作，HBase提供了Java API、RestAPI/Thrift API等接口

查詢優化，采用Block Cache 和 布隆過濾器來支持海量數據的快速查找

與RDBMS的區別

對于傳統 RDBMS 來說，支持 ACID 事務是數據庫的基本能力，而 HBase 則使用行級鎖來保證寫操作的原子性，但是不支持多行寫操作的事務性，這主要是從靈活性和擴展性上做出的權衡。

ACID 要素包含 原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）以及持久性（Durability）

總體來說， HBase 與傳統關系數據庫的區別，如下表所示：

二、數據模型

下面，我們以關系型數據庫的一個數據表來演示 HBase 的不同之處。

先來看下面這張表：

這里記錄的是一些家庭設備上報的狀態數據(DeviceState)，其中包括設備名、狀態、時間戳這些字段。

在 HBase 中，數據是按照列族(Column Family，簡稱CF)來存儲的，也就是說對于不同的列會被分開存儲到不同的文件。那么對于上面的狀態數據表來說，在HBase中會被存儲為兩份：

列族1. 設備名

列族2. 狀態

這里Row-key是唯一定位數據行的ID字段，而Row-key 加上 CF、Column-Key，再加上一個時間戳才可以定位到一個單元格數據。其中時間戳用來表示數據行的版本， 在HBase中默認會有 3 個時間戳的版本數據，這意味著對同一條數據(同一個Rowkey關聯的數據)進行寫入時，最多可以保存3個版本。

在查詢某一行的數據時，HBase需要同時從兩個列族(文件)中進行查找，最終將結果合并后返回給客戶端。 由此可見如果列族太多，則會影響讀取的性能，在設計時就需要做一些權衡。

由此可見，HBase的使用方式與關系型數據庫是大不相同的，在使用 HBase 時需要拋棄許多關系型數據庫的思維及做法，比如強類型、二級索引、表連接、觸發器等等。

然而 HBase 的靈活性及高度可伸縮性卻是傳統 RDBMS 無法比擬的。