RegionServer 组成部分：
- Region：存储用户数据的最小单元，一个RegionServer中包含多个Region
- Store：对应表的列簇，一个Region中包含多个Store
- MemStore：是一个内存式的数据结构，一个Store中包含一个MemStore
- StoreFile：MemStore满了之后就会把数据存储到StoreFile
- HFile：多个StoreFile会被封装成HFile，HFile最终持久化到HDFS中
- HLog：一个RegionServer包含一个HLog，用于实现预写日志，保证HBase的高可用
- Region：存储用户数据的最小单元，一个RegionServer中包含多个Region
- Store：对应表的列簇，一个Region中包含多个Store
- MemStore：是一个内存式的数据结构，一个Store中包含一个MemStore
- StoreFile：MemStore满了之后就会把数据存储到StoreFile
- HFile：多个StoreFile会被封装成HFile，HFile最终持久化到HDFS中
- HLog：一个RegionServer包含一个HLog，用于实现预写日志，保证HBase的高可用
2018-06-19
LSM-tree主要目标是快速地建立索引。B-tree是建立索引的通用技术，但是，在大并发插入数据的情况下，B-tree需要大量的磁盘随机IO，很显然，大量的磁盘随机IO会严重影响索引建立的速度。特别地，对于那些索引数据大的情况（例如，两个列的联合索引），插入速度是对性能影响的重要指标，而读取相对来说就比较少。LSM-tree通过磁盘的顺序写，来达到最优的写性能，因为这会大大降低磁盘的寻道次数，一次磁盘IO可以写入多个索引块。
2018-06-19
在经典的 RDBMS 中，我们设计表结构模型时，只需要确定有多少个列即可，然后就可以对这个表进行数据的操作。而对于 HBase 来说，设计表结构模型时不需要确定列，只需要确定列簇（Cloumn Family）即可，列的数量根据列簇里面的数据进行动态伸缩，为空的列并不占用存储空间。
2018-06-19
行式存储与列式存储：
行式存储是经典的 RDBMS 的存储解决方案，有以下特性：
- 在底层的存储结构上，每行的数据都存储在一起
- 行式存储维护大量的索引，存储成本较高，但是对于随机读的效率非常高
- 强事务支持
- 适用场景：OLTP 应用
列式存储是 HBase 等 NoSQL 列式数据库的解决方案，有以下特性：
- 在底层的存储结构上，每列的数据都存储在一起
- 列式存储由于其稀疏性的特性，存储成本较低。
- 适用场景：OLAP 应用，事务要求不高且数据量大
行式存储是经典的 RDBMS 的存储解决方案，有以下特性：
- 在底层的存储结构上，每行的数据都存储在一起
- 行式存储维护大量的索引，存储成本较高，但是对于随机读的效率非常高
- 强事务支持
- 适用场景：OLTP 应用
列式存储是 HBase 等 NoSQL 列式数据库的解决方案，有以下特性：
- 在底层的存储结构上，每列的数据都存储在一起
- 列式存储由于其稀疏性的特性，存储成本较低。
- 适用场景：OLAP 应用，事务要求不高且数据量大
2018-06-19
最新回答 / hbliucl
没有rowKey怎么询吗？ 如果根据rowkey查询数据, 肯定是预先知道了rowkey的值的, get '表名', 'rowkey', api也有类似的方式2. 如何获得全部的rowKey? scan '表名' 取出全部rowkey, api操作也是类似的
2018-06-18
最新回答 / 成都加米谷大数据
大数据看书的话，只能说是补充理论方面的东西，如果有Java基础的话，就推荐看主流大数据框架相关的书，包括Hadoop、Spark、Flink等。大数据书籍推荐：《Hadoop权威指南》《Hadoop权威指南》这本书可以说是Hadoop入门的经典书目，对于Hadoop的生态体系做了全面深入的解读，包括如何使用Hadoop构建可靠、可伸缩的分布式系统，如何分析海量数据集，如何建立与运行Hadoop集群等知识。《Hive编程指南》一本Apache Hive的编程指南，对于Hadoop Hive走了全面而详细的介...
2018-06-15
