HBase的特点：高可靠性：HBase设计之初就考虑到了集群的可靠性，数据可以存储在大量的服务器上，即使部分服务器发生故障，数据也不会丢失。这种分布式架构保证了数据的可靠性。高性能的读写能力：HBase采用列存储的方式，能够实现对数据的快速读写操作。
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 的数据在表中是按照某列存储的，根据数据动态地增加列，并且可以单独对列进行各种操作。
大数据存储：HBase是一个分布式、可伸缩的大数据存储系统，能够存储数十亿行甚至更多的数据。它不同于传统的关系型数据库，不需要预先定义数据结构，因此非常适合存储大量且快速变化的数据。这使得HBase成为许多大数据应用的首选存储解决方案。
1、HBase是一个列式存储的分布式数据库，它支持的数据格式包括以下几种：字符串类型（String）：HBase中的字符串类型是最常见的一种数据类型，可以存储任何字符串，不论是ASCII字符还是Unicode字符。字节数组类型（byte[]）：字节数组是HBase中的基本数据类型，可以用于存储任何类型的数据。
2、HBase存储格式详解HBase的数据文件主要存储在Hadoop HDFS文件系统中，分为两种文件类型：HFile和HLog File。HFileHFile是HBase中存储KeyValue数据的二进制格式文件，底层实际上是Hadoop的StoreFile，它具有轻量级包装。
3、全表扫描（scan）RowKey行键 （RowKey）可以是任意字符串（最大长度是64KB，实际应用中长度一般为 10-100bytes），在HBASE内部，RowKey保存为字节数组。存储时，数据按照RowKey的字典序（byte order）排序存储。设计RowKey时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。
4、是的。Hbase 通过 Put 操作和 Result 操作支持 “byte-in / bytes-out” 接口，所以任何可以转换为字节数组的内容都可以作为一个值存储。输入可以是字符串、数字、复杂对象、甚至可以是图像，只要它们可以呈现为字节。 值的大小有实际的限制（例如，在 Hbase 中存储 10-50MB 的对象可能太多了）。
5、非结构化和半结构化数据：HBase可以灵活地存储各种类型的数据，包括文本、图片、音频、视频等非结构化数据，以及JSON、XML等半结构化数据。这些数据在现代应用中越来越常见，而传统的关系型数据库往往难以有效处理。 稀疏数据：HBase非常适合存储稀疏数据，即其中大部分元素都是空的数据集。
6、根据查询51cto博客信息显示，hbase模式里的逻辑实体有：表（table）：HBase用表来组织数据，表名是字符串（String），由可以在文件系统路径里使用的字符组成。行（row）：在表里，数据按行存储，行由行键（rowkey）唯一标识，行键没有数据类型，总是视为字节数组byte。
1、HBase存储格式详解HBase的数据文件主要存储在Hadoop HDFS文件系统中，分为两种文件类型：HFile和HLog File。HFileHFile是HBase中存储KeyValue数据的二进制格式文件，底层实际上是Hadoop的StoreFile，它具有轻量级包装。
2、HBase是一个列式存储的分布式数据库，它支持的数据格式包括以下几种：字符串类型（String）：HBase中的字符串类型是最常见的一种数据类型，可以存储任何字符串，不论是ASCII字符还是Unicode字符。字节数组类型（byte[]）：字节数组是HBase中的基本数据类型，可以用于存储任何类型的数据。
3、具体来说，HBase使用HFile作为基本的数据存储格式，这与HDFS是类似的。但是，HBase不仅使用HDFS来存储数据，而且还通过与Hadoop生态系统中的其他组件（如MapReduce和Pig）集成，以支持高效的并行处理和分析数据的能力。这种处理和分析的能力使得HBase能够在数据规模达到PB级别的情况下进行复杂的查询和数据挖掘。
非结构化和半结构化数据：HBase可以灵活地存储各种类型的数据，包括文本、图片、音频、视频等非结构化数据，以及JSON、XML等半结构化数据。这些数据在现代应用中越来越常见，而传统的关系型数据库往往难以有效处理。 稀疏数据：HBase非常适合存储稀疏数据，即其中大部分元素都是空的数据集。
HBase确实使用的是面向列的存储方式，而不是面向行的存储方式。首先，我们需要明白什么是面向行的存储和面向列的存储。在面向行的存储中，一行中的所有数据都被存储在一起。相反，在面向列的存储中，同一列的数据被存储在一起。
选择 B.Hbase是分布式的数据库， 可以通过不断增加服务器，来增加计算和存储能力 C.Hbase中一个存贮单元可以保存同一份数据的多个版本 A是错的，hbase是面向列的存储 D hbase可扩展性和海量数据存储，恰恰可以用在高并发场景。
数据库主要分为两种类型：关系型数据库与非关系型数据库。关系型数据库包括Oracle、DBMicrosoft SQL Server、Microsoft Access、MySQL等。而非关系型数据库则有NoSql、Cloudant、MongoDb、redis、Hbase等。
是分布式数据库。具有高可靠、高性能、面向列、可伸缩的特点。是谷歌BigTable的开源实现，主要用来存储非结构化和半结构化的松散数据。HBase的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表。
1、hbase的核心数据结构为LSM树。LSM树分为内存部分和磁盘部分。内存部分是一个维护有序数据集合的数据结构。RowKey与nosql数据库们一样，RowKey是用来检索记录的主键。HBase是介于MapEntry（key&value）和DBRow之间的一种数据存储方式。
2、hbase的核心数据结构为LSM树。SM树分为内存部分和磁盘部分。内存部分是一个维护有序数据集合的数据结构。一般来讲，内存数据结构可以选择平衡二叉树、红黑树、跳跃表（SkipList）等维护有序集的数据结构，由于考虑并发性能，HBase选择了表现更优秀的跳跃表。
3、RowKey 与nosql数据库们一样，RowKey是用来检索记录的主键。访问HBASE table中的行，只有三种方式：通过单个RowKey访问（get）通过RowKey的range（正则）（like）全表扫描（scan）RowKey行键 （RowKey）可以是任意字符串（最大长度是64KB，实际应用中长度一般为 10-100bytes），在HBASE内部，RowKey保存为字节数组。
4、hbase是非关系型分布式数据库。Hbase是一个面向列存储的分布式存储系统，可以实现高性能的并发读写操作，同时Hbase还会对数据进行透明的切分，这样就使得存储本身具有了水平伸缩性。
5、在HBase的数据结构中，RowKey是检索记录的唯一主键，类似于Redis中的key，用于访问表数据。访问HBase时，只能通过RowKey进行查找。HBase的数据访问方式有三种，其中RowKey的长度不超过64KB，存储为字节数组，并按照字典顺序排序。
HBase是一个分布式、可扩展的大数据存储引擎，它建立在Hadoop之上，为大数据技术体系提供了不可或缺的性能支撑。它的最大特点是将Hadoop与HBase结合，实现了高性能的大数据处理。这就好比操作系统为各种应用程序提供了文件和内存存储功能，HBase则为大数据提供了高效的数据存储和管理。
HBase，全称为Hadoop Database，是一个专为大规模结构化存储而设计的分布式存储系统。它以其高可靠性、高性能和可伸缩性而知名，能够在低成本的PC服务器集群上构建起强大的数据存储平台。HBase是Google Bigtable开源的实现，其底层架构借鉴了Bigtable的设计。
HBase HBase是Hadoop项目的一部分，是一种高效存储大量数据的列式数据库，适合处理Schema-less数据，支持列压缩和行事务。HBase可以容纳上亿行和上百万列，适用于大型数据量要求扩展简单的离线分析型应用。
MemStore 是 HBase 非常重要的组成部分，MemStore 作为 HBase 的写缓存，保存着数据的最近一次更新，同时是HBase能够实现高性能随机读写的重要组成。HBase Table 的每个 Column family 维护一个 MemStore，当满足一定条件时 MemStore 会执行一次 flush，文件系统中生成新的 HFile。
HBase的目标就是处理数据量非常庞大的表，可以用普通的计算机处理超过10亿行数据，还可处理有数百万列元素的数据表。Cassandra Cassandra Apache Cassandra是一款免费的开源NoSQL数据库，其设计目的在于管理由大量商用服务器构建起来的庞大集群上的海量数据集（数据量通常达到PB级别）。
第四阶段：Hbase理论与实战。Hbase简介。安装与配置。hbase的数据存储。项目实战。第五阶段：Spaer配置及使用场景。scala基本语法。spark介绍及发展历史，spark stant a lone模式部署。sparkRDD详解。第六阶段：spark大数据分析原理。spark内核，基本定义，spark任务调度。sparkstreaming实时流计算。