HBase是Hadoop项目的一部分,HBase列式数据库，BigTable的一种实现。高效存储大量数据，支持列压缩，行事务。适合Schema-less的数据，

适合稀疏表，一个表可以容纳上亿行、上百万列，用做超大数据量要求扩展简单的离线分析型应用。Hadoop的无缝集成，有数据可靠性和海量数据分析性能（MapReduce）的能力。

优点:HBase也继承了Hadoop项目的最大优点，那就是对海量数据的支持，以及极强的横向（存储容量）扩展能力。

缺点:HBase的列式存储特性带来了海量数据规模的支持和极强的扩展能力，但是也给数据的读取带来很大的局限。

由于只有同一列族的数据才会被存放在一起，而且所有的查询都必须要依赖Key，这就使得很多复杂查询难以进行。

应用场景:作为MapReduce（大规模数据集（大于1TB）的并行运算）的后台数据源；Facebook的消息类应用，包括Messages、Chats、Emails和SMS系统，用的都是HBase。

1. In-Memory KV Store : Redis
in memory key-value store，同时提供了更加丰富的数据结构和运算的能力，成功用法是替代memcached，通过checkpoint和commit log提供了快速的宕机恢复，同时支持replication提供读可扩展和高可用。

2. Disk-Based KV Store: Leveldb
真正基于磁盘的key-value storage, 模型单一简单，数据量不受限于内存大小，数据落盘高可靠，Google的几位大神出品的精品，LSM模型天然写优化，顺序写盘的方式对于新硬件ssd再适合不过了，不足是仅提供了一个库，需要自己封装server端。

3. Document Store: Mongodb
分布式nosql，具备了区别mysql的最大亮点：可扩展性。mongodb 最新引人的莫过于提供了sql接口，是目前nosql里最像mysql的，只是没有ACID的特性，发展很快，支持了索引等特性，上手容易，对于数据量远超内存限制的场景来说，还需要慎重。

4. Column Table Store: HBase
这个富二代似乎不用赘述了，最大的优势是开源，对于普通的scan和基于行的get等基本查询，性能完全不是问题，只是只提供裸的api,易用性上是短板，可扩展性方面是最强的，其次坐上了Hadoop的快车，社区发展很快，各种基于其上的开源产品不少，来解决诸如join、聚集运算等复杂查询。

HBase是Hadoop项目的一部分,HBase列式数据库，BigTable的一种实现。高效存储大量数据，支持列压缩，行事务。适合Schema-less的数据，

适合稀疏表，一个表可以容纳上亿行、上百万列，用做超大数据量要求扩展简单的离线分析型应用。Hadoop的无缝集成，有数据可靠性和海量数据分析性能（MapReduce）的能力。

HBase不是一个关系型数据库，它需要不同的方法定义你的数据模型，HBase实际上定义了一个四维数据模型，下面就是每一维度的定义：

行键：每行都有唯一的行键，行键没有数据类型，它内部被认为是一个字节数组。

列簇：数据在行中被组织成列簇，每行有相同的列簇，但是在行之间，相同的列簇不需要有相同的列修饰符。在引擎中，HBase将列簇存储在它自己的数据文件中，所以，它们需要事先被定义，此外，改变列簇并不容易。

列修饰符：列簇定义真实的列，被称之为列修饰符，你可以认为列修饰符就是列本身。

版本：每列都可以有一个可配置的版本数量，你可以通过列修饰符的制定版本获取数据。

（1）大：一个表可以有数十亿行，上百万列；

（2）无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列；

（3）面向列：面向列（族）的存储和权限控制，列（族）独立检索；？

（4）稀疏：空（null）列并不占用存储空间，表可以设计的非常稀疏；

（5）数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入时的时间戳；

（6）数据类型单一：Hbase中的数据都是字符串，没有类型。

HBase是一个高可靠性、高性能、面向列、可伸缩的分布式数据库，它起源于2006年Google发表的BigTable论文。在2008年，PowerSet的Chad Walters和Jim Keller受到了该论文思想的启发，从而把HBase作为Hadoop的子项目来进行开发维护，用于支持结构化的海量数据存储。

　　HBase的一大优点是可在廉价PC 服务器上搭建起大规模结构化存储集群。HBase的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。HBase分布式数据库具有如下的显著特点：
 
　　容量大
　　HBase分布式数据库中的表可以存储成千上万的行和列组成的数据。
　　面向列
　　HBase是面向列的存储和权限控制，并支持独立检索。列存储，其数据在表中是按照某列存储的，根据数据动态的增加列，并且可以单独对列进行各种操作。
　　多版本
　　HBase中表的每一个列的数据存储都有多个Version(版本)。一般地，每一列对应着一条数据，但是有的数据会对应多个版本，例如，存储个人信息的HBase表中，如果某个人多次更换过家庭住址，那么记录家庭住址的数据就会有多个版本。
　　稀疏性
　　由于HBase中表的列允许为空，并且空列不会占用存储空间，因此，表可以设计的非常稀疏。
　　扩展性
　　HBase的底层是依赖于HDFS。当磁盘空间不足时，我们可以动态的增加机器(即DataNode节点服务)来解决，从而避免像关系型数据库那样，进行数据的迁移。
　　高可靠性
　　由于HBase底层使用是的HDFS，而HDFS本身具有备份机制，所以在Spark集群出现严重问题时，Replication(即副本)机制能够保证数据不会发生丢失或损坏。
　　虽然HBase是Google Bigtable的开源实现，但是它们之间有很多不同之处，例如：Google BigTable利用GFS作为其文件存储系统，而HBase利用Hadoop HDFS作为其文件存储系统;Google运行MapReduce来处理BigTable中的海量数据，而HBase同样利用Hadoop的MapReduce来处理HBase中的海量数据;Google BigTable利用Chubby作为协同服务，而HBase利用Zookeeper作为协调服务作用。
　　HBase作为一种分布式数据库，它与传统数据库相比有很大区别，下面从存储模式、表字段以及可延伸性这三个方面分别进行介绍。
　　(1) 存储模式
　　传统数据库中是基于行存储的，而HBase是基于列进行存储的。
　　(2) 表字段
　　传统数据库中的表字段不能超过30个，而HBase中的表字段不作限制。
　　(3) 可延伸性
　　传统数据库中的列是固定的，需要先确定列有多少才会增加数据去存储，而HBase是根据数据存储的大小去动态的增加列，列是不固定的。

容量大：HBase分布式数据库中的表可以存储成千上万的行和列组成的数据。
面向列：HBase是面向列的存储和权限控制，并支持独立检索。列存储，其数据在表中是按照某列存储的，根据数据动态的增加列，并且可以单独对列进行各种操作。
多版本：HBase中表的每一个列的数据存储都有多个Version(版本)。一般地，每一列对应着一条数据，但是有的数据会对应多个版本，例如，存储个人信息的HBase表中，如果某个人多次更换过家庭住址，那么记录家庭住址的数据就会有多个版本。
稀疏性：由于HBase中表的列允许为空，并且空列不会占用存储空间，因此，表可以设计的非常稀疏。
扩展性：HBase的底层是依赖于HDFS。当磁盘空间不足时，我们可以动态的增加机器(即DataNode节点服务)来解决，从而避免像关系型数据库那样，进行数据的迁移。
高可靠性：由于HBase底层使用是的HDFS，而HDFS本身具有备份机制，所以在Spark集群出现严重问题时，Replication(即副本)机制能够保证数据不会发生丢失或损坏。

 ① 它介于 nosql 和 RDBMS 之间，仅能通过主键(row key)和主键的 range 来检索数据，仅支 持单行事务(可通过 hive 支持来实现多表 join 等复杂操作)。 

    ② Hbase 查询数据功能很简单， 不支持 join 等复杂操作

   ③ 不支持复杂的事务（行级的事务）

   ④ Hbase 中支持的数据类型： byte[]

   ⑤ 主要用来存储结构化和半结构化的松散数据。