共计 1190 个字符，预计需要花费 3 分钟才能阅读完成。
HBase 是一个分布式的、面向列的开源数据库，在 Hadoop 之上提供了类似于 Bigtable 的能力，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。
HBase 可以说是一个数据库，也可以说是一个存储。拥有双重属性的 HBase 天生就具备广阔的应用场景。在最近的一些版本中，引入了 OffHeap 降低 gc 影响，优化链路延迟，提供 Replica 等可以满足在线的需求。引入 MOB，可以存储 10M 左右的对象，完全适应了对象存储。另外由于自身的并发能力、存储能力，可以说是具有最为竞争力的引擎
HBase 使用场景
1. 时空数据：主要是轨迹、气象网格之类，比如滴滴打车的轨迹数据主要存在 HBase 之中，另外大数据量的车联网企业，数据也都是存在 HBase 中。比如互联网出行，智慧物流与外卖递送，传感网与实时 GIS 等场景。
2. 推荐画像：别是用户的画像，是一个比较大的稀疏矩阵，蚂蚁的风控就是构建在 HBase 上。用户画像有用户数据量大，用户标签多，标签统计维度不确定等特点，适合 HBase 特性的发挥。
3. 消息 / 订单：在电信领域、银行领域，不少的订单查询底层的存储，另外不少通信、消息同步的应用构建在 HBase 之上。
4. 储存浏览记录：大型的视频网站，电商平台产生的用户点击行为、浏览行为等等存储在 HBase 中为后续的智能推荐做数据支撑。
5. 对象存储：这里的对象存储实际是中等对象存储，是对 HDFS 存储文件的一个缓冲过度。HBase 提供了中等对现象的存储能力，中等对象的大小范围在 100k 至 10M 之间。
6. 时序数据：时序数据就是分布在时间上的一系列数值。HBase 之上有 OpenTSDB 模块，可以满足时序类场景的需求。
比如我们有很多的设备、传感器，产生很多数据，如果规模不是特别大的厂家有几千个风机，每个风机有几百个指标，那么就会有一百万左右的时序数据，如果用采样每一秒会产生一百万个时间点，如果用传统数据库，那么每一秒会产生一百万次，持续地往 MQ 做一百万次，它会崩裂。并且查询也是个大问题，除了多维查询以外，我们还会额外地增加时间纬度，查看一段时间的数据。这时候 HBase 很好了满足了时序类场景的需求。
7.Cube 分析 (KyLin)： 通过 KyLin 将 Hive 或 kafka 中的数据，来构建 Cube，这些 Cube 会存储在 HBase 中。
8.NewSQL：HBase 上有 Phoenix 的插件，可以满足二级索引、SQL 的需求，对接传统数据需要 SQL 非事务的需求。从 NoSQL 到 NewSQL，Phoenix 或许是新的趋势。
9.Feeds 流：Feed 流，是 RSS 中用来接收该信息来源更新的接口，简单的说就是持续更新并呈现给用户的内容。比如微信朋友圈中看到的好友的一条条状态，微博看到的你关注的人更新的内容，App 收到的一篇篇新文章的推送，都算是 feed 流。
