HBase原理，
Point 1：什么是HBase？
HBase是一个分布式的、面向列的开源数据库，HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。
Point 2：HBase的底层存储
Hbase需要借助HDFS来作为底层存储
Point 3：
HDFS存取压缩文件，为了存取的文件更多
Point 4：大数据框架
Flume、HDFS——HBASE——Sqoop、MapReduce——Mhout、Pig、Hive
Point 5：HBase的特点
实时读写、高可靠性、高性能、面向列、可伸缩的分布式数据库，主要存储一些非结构化和半结构化的松散数据（列存NoSQL数据库），HBase的一行数据可以很大很大，Row Key 要特短，列族要特长（最多分成两个列族），具有HBase：HMaster、HRegionServer、ZooKeeper(没有的话，HBase跑不起来，缺一不可)三个节点
Point 6：HBase的术语以及组成部分
Row Key 代表行数：有几个Row Key 代表有几行，Row Key 按照字典顺序排序（ASCII），同时只能最多存64KB的字节数据
列族：一个列族可以有百万个、千万个列，列族：列——列是不能单独存在的，前面必须要要有列族，列是可以任意的动态加入的—可以是不同的列，权限控制、存储、调优都是在列族层面进行的，HBase把同一列族里面的数据存储在同一目录下，由几个文件保存
Time Stamp（默认，但并不是绝对）：记录单元格，时间戳：用来区分版本，类型是64KB
单元格：坐标定位——Row Key 、列、时间戳，数据存在单元格上，由Row Key、column（列族：列）、version的多维数组组成
HLog：普通的Sequence File ，可以做到一定的数据恢复，但是是短时间的，会定期的清空，一个regionServer存放一个
HRegionServer（HLog——HRegion（以行为单位进行切割的一个连续的数据片段）（Store（真正保存数据的东西，可以有N个Store，由设计表的时候设计的列族的数量决定的）-MemStore——写缓存（内存中的一块存储区域，只能有一个）、StoreFile（存在磁盘的一个文件，可以有N个，但是不能过多，每一次的溢写产生一个StoreFile，写完之后内存清空，一般溢写的系数是0.4——产生一个问题是小文件的存取，占用NameNode内存，把所有的小文件合并（合并的不好的话占用大量的IO，如果全被占用了，就不能向HDFS存取文件了，合并的好的话，插入、查询速度更快）——删除旧版本）——存放到HDFS（HFile，存放在HDFS的位置记录在StoreFile，HFIle的元数据——StoreFile，以多个Block存放）
ZooKeeper：保证任何时候都有一个master，存储所有Region的寻址入口，实时监控HRegionServer的上线和下线信息，实时通知Maseter，存储Hbase的schema和table的元数据
HMaster：为RegionServer分配region，实现RegionServer的负载均衡，发现失效的RegionServer并重新分配HRegion，管理用户对table的增删改
HRegionServer：负责数据的读写，处理对HRegion的io请求，并负责切分运行过程中变的过大的HRegion
HRegion：每个表一开始只有一个Region，随着数据的不断插入，HRegion达到阈值时，产生裂变，table的行不断增多，会有越来越多的HRegion，这样一张完整的表被存在多个HRegionSever上，必须具有起始Row Key和截止Row Key，但是后期在裂变的过程中发生变化，Region的元信息存在ZooKeeper
MemStore：内存中存储文件
StoreFIle：当MemStroe满了之后，会进行溢写，在磁盘上存储
HFile：从StoreFile传输到HDFS中，变成HFile
Point 7：
HBase不支持修改，使用的一种特定的压缩格式，存放在HDFS，HDFS只支持追加，不支持修改
HBase会隔一段时间进行删除（没有固定的时间——合并的时间），实际上只是打标记，用户看不到而已
Point 8：
增加HBase的存储量：增加DataNode。增加Hbase的吞吐量：增加HRegionServer
Point 9：
系统本身占用IO最大的是：裂变（防止裂变，先进行预分区）和合并