HBase的作用
1. 海量数据存储：
上百亿行 x 上百万列
并没有列的限制
当表非常大的时候才能发挥这个作用， 最多百万行的话，没有必要放入hbase中
2. 准实时查询：
百亿行 x 百万列，在百毫秒以内
HBase特点
1. 容量大：
传统关系型数据库，单表不会超过五百万，超过要做分表分库，不会超过30列
Hbase单表可以有百亿行、百万列，数据矩阵横向和纵向两个维度所支持的数据量级都非常具有弹性
2. 面向列：
面向列的存储和权限控制，并支持独立检索，可以动态增加列，即，可单独对列进行各方面的操作
列式存储，其数据在表中是按照某列存储的，这样在查询只需要少数几个字段的时候，能大大减少读取的数量
3. 多版本：
Hbase的每一个列的数据存储有多个Version，比如住址列，可能有多个变更，所以该列可以有多个version
4. 稀疏性：
为空的列并不占用存储空间，表可以设计的非常稀疏。
不必像关系型数据库那样需要预先知道所有列名然后再进行null填充
5. 拓展性：
底层依赖HDFS，当磁盘空间不足的时候，只需要动态增加datanode节点服务(机器)就可以了
6. 高可靠性：
WAL机制，保证数据写入的时候不会因为集群异常而导致写入数据丢失
Replication机制，保证了在集群出现严重的问题时候，数据不会发生丢失或者损坏
Hbase底层使用HDFS，本身也有备份。
7.高性能：
底层的LSM数据结构和RowKey有序排列等架构上的独特设计，使得Hbase写入性能非常高。
Region切分、主键索引、缓存机制使得Hbase在海量数据下具备一定的随机读取性能，该性能针对Rowkey的查询能够到达毫秒级别
LSM树，树形结构，最末端的子节点是以内存的方式进行存储的，内存中的小树会flush到磁盘中（当子节点达到一定阈值以后，会放到磁盘中，且存入的过程会进行实时merge成一个主节点，然后磁盘中的树定期会做merge操作，合并成一棵大树，以优化读性能。）
HBase存储原理
HBase存储原理存储过程：
客户端提交任务之后，数据首先会放入 MemStore，然后再写 WAL （Write Ahead Log），当 MemStore 满了之后就会往 StoreFile 里面刷（ HBase 并不会直接将数据落盘，而是先写入缓存，等缓存满足一定大小之后再落盘。）。当 StoreFile 文件数量增长到一定阈值之后，会触发Compact合并操作，将多个 StoreFiles 合并成一个 StoreFile。
一台 RegionServer 节点有一个 HRegionServer。
一个 HRegionServer 包含一个 HLog 和多个 HRegion （ 对应 Table 中的一个 Region ）。
一个 HRegion 包含多个 HStore。
一个 HStore 包含一个 MemStore 和多个 StoreFile （ 每个 HStore 对应 Table 的一个列族 cf ）。
当一个 HStore 里面 StoreFile 的数量增长到一定阈值之后，会触发Compact合并操作，将多个 StoreFiles 合并成一个 StoreFile。
当 StoreFile 的大小增长到一定阈值之后，会触发 Split 操作，同时把当前 Region Split 成 2 个 Region，父 Region 会下线，新 Split 出的 2 个子 Region 会被 HMaster 分配到相应的 HRegionServer 上，使得原先 1 个 Region 的压力得以分流到 2 个 Region 上。
HBase集群常见故障
1、重启regionserver没反应，rs已经假死。
解决办法：修复hbase集群存在region不一致的问题，然后指令初始化重新下发。
2、hbase表不一致，表无法写入。
原因：可能该表region指存在meta中，但在hdfs和rs上都不存在
解决方法：hbase hbck -repair INDEX_SRM_VEHICLE_STATUS_LATEST
3、hbase配置参数出错导致regionserver重启
应用场景：hbase-regionserver OOM
解决办法：
- 监控查看；
- jps；
- ps -ef|grep regionserver
- jmap -heap (pid)
- jstact -gc (pid)
- cat hbase-hadoop-regionserver-xx.xx.xx.xx.out.1|more
- cat hbase-hadoop-regionserver-xx.xx.xx.xx.log |more
- 查看控制台参数配置(用户调优过程降一些配置删除了)
