一条数据的HBase之旅，简明HBase入门教程1：开篇

华为云上的NoSQL数据库服务CloudTable，基于Apache HBase，提供全托管式集群服务，集成了时序数据库OpenTSDB与时空数据库GeoMesa，在TB/PB级别的海量数据背景下，可提供ms级查询以及千万级TPS，点我了解详情。

这是HBase入门系列的第1篇文章，主要介绍HBase当前的项目活跃度以及搜索引擎热度信息，以及一些概况信息，内容基于HBase 2.0 beta2版本。本系列文章既适用于HBase新手，也适用于已有一定经验的HBase开发人员。

一些常见的HBase新手问题

• 什么样的数据适合用HBase来存储？

• 既然HBase也是一个数据库，能否用它将现有系统中昂贵的Oracle替换掉？

• 存放于HBase中的数据记录，为何不直接存放于HDFS之上？

• 能否直接使用HBase来存储文件数据？

• Region(HBase中的数据分片)迁移后，数据是否也会被迁移？

• 为何基于Spark/Hive分析HBase数据时性能较差？

开篇

用惯了Oracle/MySQL的同学们，心目中的数据表，应该是长成这样的：

这种表结构规整，每一行都有固定的列构成，因此，非常适合结构化数据的存储。但在NoSQL领域，数据表的模样却往往换成了另外一种"画风"：

行由看似"杂乱无章"的列组成，行与行之间也无须遵循一致的定义，而这种定义恰好符合半结构化数据或非结构化数据的特点。本文所要讲述的HBase，就属于该派系的一个典型代表。这些"杂乱无章"的列所构成的多行数据，被称之为一个"稀疏矩阵"，而上图中的每一个"黑块块"，在HBase中称之为一个KeyValue。

Apache HBase官方给出了这样的定义：

    Apache HBase™ is the Hadoop database, a distributed, scalable, big data store.

即：Apache HBase是基于Hadoop构建的一个分布式的、可伸缩的海量数据存储系统。

HBase常被用来存放一些结构简单，但数据量非常大的数据(通常在TB级别以上)，如历史订单记录，日志数据，监控Metris数据等等，HBase提供了简单的基于Key值的快速查询能力。

HBase在国内市场已经取得了非常广泛的应用，在搜索引擎中，也可以看出来，HBase在国内呈现出了逐年上升的势态：

从Apache HBase所关联的github项目的commits统计信息来看，也可以看出来该项目非常活跃：

(需要说明的一点：HBase中的每一次commit，都已经过社区Commiter成员严格的Review，在commit之前，一个Patch可能已经被修改了几十个版本)

令人欣喜的是，国内的开发者也积极参与到了HBase社区贡献中，而且被社区接纳了多名PMC以及Committer成员。

本文将以一条数据在HBase中的“旅程”为线索，介绍HBase的核心概念与流程，几乎每一部分都可以展开成一篇独立的长文，但本文旨在让读者能够快速的了解HBase的架构轮廓，所以很多特性/流程被被一言带过，但这些特性在社区中往往经历了漫长的开发过程。至于讲什么以及讲到什么程度，本文都做了艰难的取舍，在讲解的过程中，将会穿插解答本文开始所提出的针对初学者的一些常见问题。

本系列文章适用于HBase新手，而对于具备一定经验的HBase开发人员，相信本文也可以提供一些有价值的参考。本文内容基于HBase 2.0 beta 2版本，对比于1.0甚至是更早期的版本，2.0出现了大量变化，下面这些问题的答案与部分关键的变化相关（新手可以直接跳过这些问题）：

• HBase meta Region在哪里提供服务？

• HBase是否可以保证单行操作的原子性？

• Region中写WAL与写MemStore的顺序是怎样的？

• 你是否遇到过Region长时间处于RIT的状态？ 你认为旧版本中Assignment Manager的主要问题是什么？

• 在面对Full GC问题时，你尝试做过哪些优化？

• 你是否深究过HBase Compaction带来的“写放大”有多严重？

• HBase的RPC框架存在什么问题？

• 导致查询时延毛刺的原因有哪些？

本系列文章的整体行文思路如下：

• 介绍HBase数据模型

• 基于数据模型介绍HBase的适用场景

• 快速介绍集群关键角色以及集群部署建议

• 示例数据介绍

• 写数据流程

• 读数据流程

• 数据更新

• 负载均衡机制

• HBase如何存储小文件数据

这些内容将会被拆成一系列文章。至于集群服务故障的处理机制，集群工具，周边生态，性能调优以及最佳实践等进阶内容，暂不放在本系列文章范畴内。