HBase
HBase是一個高可靠、高效能、面向列、可伸縮的分散式儲存系統，利用HBase技術可以在廉價PC上搭建起大規模結構化儲存叢集。
HBase是Google Bigtable的開源實現，類似於Google Bigtable利用GFS作為其檔案儲存系統，HBase利用Hadoop HDFS作為其檔案儲存系統；Google執行MapRecue來處理Bigtable中的海量資料，HBase同樣利用Hadoop MapRecue來處理HBase中的海量資料；Google Bigtable利用Chubby作為協同服務，HBase利用Zookeeper作為對應。
特性：
強一致性讀寫：HBase不是“Eventual Consistentcy（最終一致性）”資料儲存，這讓它很適合高速計數聚合類任務；
自動分片（Automatic sharding）：HBase表透過region分佈在叢集中，資料增長時，region會自動分割並重新分佈；
RegionServer自動故障轉移
Hadoop/HDFS整合：HBase支援開箱即用HDFS作為它的分散式檔案系統；
MapRecue：HBase透過MapRecue支援大併發處理；
Java客戶端API：HBase支援易於使用的Java API進行程式設計訪問;
Thrift/REST API：HBase也支援Thrift和Rest作為非Java前端訪問；
Block Cache和Bloom Filter：對於大容量查詢最佳化，HBase支援Block Cache和Bloom Filter;
運維管理：HBase支援JMX提供內建網頁用於運維。
HBase應用場景
HBase不適合所有場景。
首先，確信有足夠多資料，如果有上億或上千億行資料，HBase是很好的備選。如果只有上千或上百萬行，則用傳統的RDBMS可能是更好的選擇。因為所有資料如果只需要在一兩個節點進行儲存，會導致叢集其他節點閒置。
其次，確信可以不依賴於RDBMS的額外特性。例如，列資料型別、第二索引、事務、高階查詢語言等
最後，確保有足夠的硬體。因為HDFS在小於5個數據節點時，基本上體現不出來它的優勢。
雖然HBase能在單獨的筆記本上執行良好，但這應僅當成是開發階段的配置 。
HBase的優點
列可以動態增加，並且列為空就不儲存資料，節省儲存空間；
HBase可以自動切分資料，使得資料儲存自動具有水平擴充套件功能；
HBase可以提供高併發讀寫操作的支援；
與Hadoop MapRecue相結合有利於資料分析；
容錯性；
非常靈活的模式設計（或者說沒有固定模式的限制）；
可以跟Hive整合，使用類SQL查詢；
自動故障轉移；
客戶端介面易於使用；
行級別原子性，即PUT操作一定是完全成功或者完全失敗。
HBase的缺點
不能支援條件查詢，只支援按照row key來查詢；
容易產生單點故障（在只使用一個HMaster的時候）；
不支援事務；
JOIN不是資料庫層支援的，而需要用MapRecue；
只能在主鍵上索引和排序；
沒有內建的身份和許可權認證；
HBase與Hadoop/HDFS的差異
HDFS是分散式檔案系統，適合儲存大檔案。官方宣稱它並非普通用途的檔案系統，不提供檔案的個別記錄的快速查詢。另一方面，HBase基於HDFS，並能夠提供大表的記錄快速查詢和更新。HBase內部將資料放到索引好的“StoreFiles”儲存檔案中，以便提供高速查詢，而儲存檔案位於HDFS中。
HBase
HBase是一個高可靠、高效能、面向列、可伸縮的分散式儲存系統，利用HBase技術可以在廉價PC上搭建起大規模結構化儲存叢集。
HBase是Google Bigtable的開源實現，類似於Google Bigtable利用GFS作為其檔案儲存系統，HBase利用Hadoop HDFS作為其檔案儲存系統；Google執行MapRecue來處理Bigtable中的海量資料，HBase同樣利用Hadoop MapRecue來處理HBase中的海量資料；Google Bigtable利用Chubby作為協同服務，HBase利用Zookeeper作為對應。
特性：
強一致性讀寫：HBase不是“Eventual Consistentcy（最終一致性）”資料儲存，這讓它很適合高速計數聚合類任務；
自動分片（Automatic sharding）：HBase表透過region分佈在叢集中，資料增長時，region會自動分割並重新分佈；
RegionServer自動故障轉移
Hadoop/HDFS整合：HBase支援開箱即用HDFS作為它的分散式檔案系統；
MapRecue：HBase透過MapRecue支援大併發處理；
Java客戶端API：HBase支援易於使用的Java API進行程式設計訪問;
Thrift/REST API：HBase也支援Thrift和Rest作為非Java前端訪問；
Block Cache和Bloom Filter：對於大容量查詢最佳化，HBase支援Block Cache和Bloom Filter;
運維管理：HBase支援JMX提供內建網頁用於運維。
HBase應用場景
HBase不適合所有場景。
首先，確信有足夠多資料，如果有上億或上千億行資料，HBase是很好的備選。如果只有上千或上百萬行，則用傳統的RDBMS可能是更好的選擇。因為所有資料如果只需要在一兩個節點進行儲存，會導致叢集其他節點閒置。
其次，確信可以不依賴於RDBMS的額外特性。例如，列資料型別、第二索引、事務、高階查詢語言等
最後，確保有足夠的硬體。因為HDFS在小於5個數據節點時，基本上體現不出來它的優勢。
雖然HBase能在單獨的筆記本上執行良好，但這應僅當成是開發階段的配置 。
HBase的優點
列可以動態增加，並且列為空就不儲存資料，節省儲存空間；
HBase可以自動切分資料，使得資料儲存自動具有水平擴充套件功能；
HBase可以提供高併發讀寫操作的支援；
與Hadoop MapRecue相結合有利於資料分析；
容錯性；
非常靈活的模式設計（或者說沒有固定模式的限制）；
可以跟Hive整合，使用類SQL查詢；
自動故障轉移；
客戶端介面易於使用；
行級別原子性，即PUT操作一定是完全成功或者完全失敗。
HBase的缺點
不能支援條件查詢，只支援按照row key來查詢；
容易產生單點故障（在只使用一個HMaster的時候）；
不支援事務；
JOIN不是資料庫層支援的，而需要用MapRecue；
只能在主鍵上索引和排序；
沒有內建的身份和許可權認證；
HBase與Hadoop/HDFS的差異
HDFS是分散式檔案系統，適合儲存大檔案。官方宣稱它並非普通用途的檔案系統，不提供檔案的個別記錄的快速查詢。另一方面，HBase基於HDFS，並能夠提供大表的記錄快速查詢和更新。HBase內部將資料放到索引好的“StoreFiles”儲存檔案中，以便提供高速查詢，而儲存檔案位於HDFS中。