什么是 HBase

HBase 不是一个传统的关系型数据库，它的设计目标是：当数据量大到单机放不下、或者读写并发高到单机扛不住时，把数据按"行"切分到多台机器上，仍然能像访问一张表一样快速读写。它适合以下场景：

1、写多读少、需要高吞吐写入的时序数据（如监控指标、日志、物联网设备上报数据）。

2、需要随机、实时点查的大规模明细数据（如用户画像、订单流水、消息记录）。

3、数据量大且会持续增长的业务，希望存储能随集群扩容线性增长。

注意

HBase 不支持复杂关联查询（Join）和事务跨行事务。如果业务强依赖 SQL 关联分析，请结合 Hive、Spark 等计算组件使用，或参考对应组件的 SQL 能力文档。

核心架构

一个 HBase 集群通常由三类角色协同工作，它们都运行在翼MR的节点上

角色	职责
HMaster	集群的"调度中心"，负责表的管理、Region 的分配与均衡、故障转移。通常部署主备两个实例避免单点。
RegionServer	数据的"存储与读写节点"，真正负责表的 Region 数据存储、读写请求处理与 Compaction。可水平扩展多个。
ZooKeeper	集群的"协调者"，保存元数据与状态、参与主备选举、维护客户端寻址。HBase 强依赖 ZooKeeper。
HDFS	底层的分布式文件系统，HBase 的数据最终落地在 HDFS 上，由 HDFS 提供副本与容错。

数据在 RegionServer 上按"表 → Region → 列族 Store"的层级组织；当某个 Region 过大时会被自动拆分，从而把负载分散到更多节点。

理解下面几个概念，有助于您正确地建表和读写：

概念	说明
表（Table）	数据的顶层容器，按行键（RowKey）排序存储。
行键（RowKey）	每一行的唯一标识，按字典序排列，是 HBase 的唯一索引，直接决定读写性能。
列族（Column Family）	列的集合，建表时固定。同一列族的数据物理上存储在一起，权限、压缩、TTL 等都按列族设置。
列限定符（Qualifier）	列族下的具体列，无需提前定义，可动态增加。完整列名为"列族:限定符"。
单元格（Cell）	由行键、列族、限定符、时间戳共同定位的一个值；HBase 同一坐标可保存多个版本。
时间戳（Timestamp）	单元格的版本号，默认取写入时间，可用于保留数据的历史版本。