前言

大數(shù)據(jù)（Big Data）一詞越來(lái)越多地被提及，人們用它來(lái)描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。現(xiàn)在的各個(gè)行業(yè)都依賴于大量數(shù)據(jù)的支撐，數(shù)據(jù)量也越來(lái)越龐大，關(guān)系型數(shù)據(jù)庫(kù)海量數(shù)據(jù)讀寫性能差、靈活度欠缺等缺點(diǎn)也暴露出來(lái)。因此，大量NewSQL數(shù)據(jù)庫(kù)在這個(gè)背景下誕生并被廣泛應(yīng)用，其中HBase就是這樣的一個(gè)分布式、可擴(kuò)展的數(shù)據(jù)存儲(chǔ)系統(tǒng)。HBase于2006年年底由PowerSet的Chad Walters和Jim Kellerman發(fā)起，2008年成為Apache Hadoop的一個(gè)子項(xiàng)目，現(xiàn)在已作為成熟產(chǎn)品應(yīng)用在淘寶、百度、天貓、菜鳥(niǎo)、阿里云、高德、優(yōu)酷等多家知名互聯(lián)網(wǎng)企業(yè)，滿足業(yè)務(wù)對(duì)于大數(shù)據(jù)分布式存儲(chǔ)的基本需求。它不同于關(guān)系型數(shù)據(jù)庫(kù)著重于增、刪、改，而轉(zhuǎn)向著重于查詢，使數(shù)據(jù)讀取更加高效、安全。基于Hadoop生態(tài)，HBase使用HDFS分布式存儲(chǔ)系統(tǒng)作為共享文件存儲(chǔ)系統(tǒng)。

HBase技術(shù)來(lái)源于Fay Chang所撰寫的論文Google BigTable，是BigTable的開(kāi)源實(shí)現(xiàn)。HBase在Hadoop上提供了BigTable的功能，現(xiàn)已成為Apache開(kāi)源項(xiàng)目的一個(gè)頂級(jí)項(xiàng)目。

在Hadoop生態(tài)圈中，HBase位于結(jié)構(gòu)化存儲(chǔ)層，HDFS為HBase提供了高可靠性的底層存儲(chǔ)支持，Hadoop MapReduce為HBase提供了高性能的計(jì)算能力，ZooKeeper為HBase提供了穩(wěn)定的failover（故障轉(zhuǎn)移）機(jī)制。此外，Pig和Hive還為HBase提供了高層語(yǔ)言支持，使得在HBase上進(jìn)行數(shù)據(jù)統(tǒng)計(jì)處理變得非常簡(jiǎn)單，Sqoop則為HBase提供了方便的關(guān)系型數(shù)據(jù)庫(kù)數(shù)據(jù)導(dǎo)入功能。HBase在Hadoop生態(tài)圈中的地位可見(jiàn)一斑。

HBase和Hadoop一樣，目標(biāo)是通過(guò)橫向擴(kuò)展，添加普通機(jī)器來(lái)提高存儲(chǔ)性能和計(jì)算性能。HBase特點(diǎn)：大（一個(gè)表可以有上億行以及百萬(wàn)級(jí)的列）、面向行存儲(chǔ)、稀疏（由于null不占用存儲(chǔ)空間，所以表結(jié)構(gòu)可以設(shè)計(jì)得非常稀疏）。因此，HBase和Hadoop一樣，目標(biāo)是通過(guò)橫向擴(kuò)展，添加普通機(jī)器來(lái)提高存儲(chǔ)性能和計(jì)算性能。