add by zhj: 这篇文章写的通俗易懂，介绍了HBase最重要的几点特性。
英文原文：https://dzone.com/articles/understanding-hbase-and-bigtab
译文：https://lunatictwo.github.io/2017/09/25/Hbase&&BigTable/
学习HBase（Google BigTable 的具体实现）最困难的地方在于，HBase的概念很难让人理解。
不幸的是，在HBase和BigTable的介绍中，都包含了table这个单词，很容易让学过关系型数据库的人们（包括我自己）产生困惑。
这篇文章致力于从概念的角度介绍这个分布式数据存储系统。阅读之后，当你遇到想使用HBase或者是想使用传统数据库的时候，你就可以有一个清晰的认识。
一切都在术语中
Google的BigTable论文 清晰的指出了什么是BigTable。这里是其中Data Model一节的第一句话：
Bigtable is a sparse, distributed, persistent multidimensional sorted map.
接下来，论文继续解释道：
The map is indexed by a row key, column key, and a timestamp; each value in the map is an uninterpreted array of bytes.
在HBase的Wiki介绍中，有如下描述：
HBase uses a data model very similar to that of Bigtable. Users store data rows in labelled tables. A data row has a sortable key and an arbitrary number of columns. The table is stored sparsely, so that rows in the same table can have crazily-varying columns, if the user likes.
尽管看起来让人难以理解，但是一次理解一个单词，也是有意义的。下面我将按照以下顺序解释这些单词：map, persistent, distributed, sorted, multidimensional, 和sparse。
1. 字典
HBase和BigTable的核心是一个map。依靠你的编程语言背景，你可以很容易理解，这就像PHP中的关联数组，Python中的字典，Ruby中的哈希，或者是JavaScript中的对象。
从Wiki中的解释来看，map就是”由key和value组成的数据结构，其中每一个key和一个value相关联”。
使用JavaScript的对象语法，这是一个简单的map实例：
{
"zzzzz" : "woot",
"xyz" : "hello",
"aaaab" : "world",
"1" : "x",
"aaaaa" : "y"
}
2. 持久化
Persistence（持久性）只是表示当你的程序结束或数据入口关闭后，你保存在map中的数据会被持久化，这个和其他的持久化存储方式没区别。
3. 分布式
Hbase和BigTable构建在分布式文件系统上，以便底层文件存储可以在独立机器阵列之间传播。
HBase可以运行在HDFS上，也可以运行在Amazon的Simple Storage Service上，同时BigTable可以运行在Google File System上。
数据以类似的方式在多个参与节点中复制，以便数据在基于独立冗余磁盘阵列的系统中的光盘之间进行条带化。
在本文中，我们并不关心使用哪个分布式文件系统实现。要了解的事情是它是分布式的，它提供了一个保护机制，例如，集群内的某个节点发生故障，可以做到容灾即可。
4. 有序
与大多数Map实现不同，在Hbase/BigTable中，键值对以严格的字母顺序保存。 也就是说，键“aaaaa”的存储行应该在键“aaaab”的旁边，并且距离具有键“zzzzz”的存储行非常远。
回到我们的map示例，排序后的版本如下：
{
"1" : "x",
"aaaaa" : "y",
"aaaab" : "world",
"xyz" : "hello",
"zzzzz" : "woot"
}
因为这些系统往往是特别庞大的，并且数据是分布式存储，所以这种排序功能其实非常重要。具有类似键的行的空间优势确保了当一个操作必须扫描表格时，查询最感兴趣的内容将彼此靠近。
这在选择行key时很重要。 例如，假如一个表的关键字是域名，最有意义的是以反向符号（即“com.jimbojw.www”而不是“www.jimbojw.com”）列出它们，以便关于子域名的行将在父域名行附近。
继续解释域名的例子，如果是以反向符号存储的话，假如有一行数据是“mail.jimbojw.com”，那么它应该被存储在“www.jimbojw.com”行的旁边，而不是在“mail.xyz.com”旁边。
需要注意的是，在HBase和BigTable中的value是不被排序的，只有key被排序。除了这个，其他的和普通的map实现是一样的。
5. 多维度
到目前为止，我们没有提到任何“列（columns）”的概念，而是将“表”视为概念中的常规Hash/Map。 这是完全有意为之的。单词“列”是另一个人为引入的单词，如“table”和“base”，它是多年关系型数据库从业人员的命名习惯。
相反，我更喜欢把它想象为一个map的嵌套结构。比如如下结构：
{
"1" : {
"A" : "x",
"B" : "z"
},
"aaaaa" : {
"A" : "y",
"B" : "w"
},
"aaaab" : {
"A" : "world",
"B" : "ocean"
},
"xyz" : {
"A" : "hello",
"B" : "there"
},
"zzzzz" : {
"A" : "woot",
"B" : "1337"
}
}
在上述例子中，你会发现每一个内层的map都有两个key，A和B。从现在开始，每一个外层的map视为一行，每一个内层的map中的A、B视为A、B列。
创建表的时候，需要首先指定好表的列，后续难以修改，或不可修改。同时，添加新的列的代价也是非常昂贵的。
不过幸运的是，在每一个列中，同样可以添加无数的列，就像JSON中一样，举例如下：
{
// ...
"aaaaa" : {
"A" : {
"foo" : "y",
"bar" : "d"
},
"B" : {
"" : "w"
}
},
"aaaab" : {
"A" : {
"foo" : "world",
"bar" : "domination"
},
"B" : {
"" : "ocean"
}
},
// ...
}
上面的示例中，A列有两个子列：foo和bar，B列有一个子列，用空字符串标识。
在查询HBase和BigTable的时候，必须提供数据的全限定名，比如”A:foo”, “A:bar”和”B:”。
请注意，尽管列是静态的，但列的子列不是。比如以下结构：
{
// ...
"zzzzz" : {
"A" : {
"catch_phrase" : "woot",
}
}
}
在这种情况下，“zzzzz”行只有一列“A：catch_phrase”。 因为每一行可能有不同的列数，所以没有内置的方法来查询所有列中所有子列的列表。要获取该信息，必须进行全表扫描。然而，可以查询所有列的内容，因为这些列是不可变的。
Hbase/BigTable表示的最终维度是时间。所有数据使用整数时间戳或用户选择的其他整数进行统一时间控制。客户端可以在插入数据时指定时间戳。
假设有如下采用某一时间序列存储的数据：
{
// ...
"aaaaa" : {
"A" : {
"foo" : {
15 : "y",
4 : "m"
},
"bar" : {
15 : "d",
}
},
"B" : {
"" : {
6 : "w"
3 : "o"
1 : "w"
}
}
},
// ...
}
每个列的子列可能有自己的规则来设置要保留的版本数量（单元格由其行键/列对标识）。在大多数情况下，应用程序将简单地询问给定单元格的数据，而不指定时间戳。 在这种常见情况下，Hbase/BigTable将返回最新的版本（具有最高时间戳的版本），因为它们以倒序的时间顺序存储。
如果应用程序在给定的时间戳中请求给定行，则Hbase将返回单元格数据，其中时间戳小于或等于提供的时间戳。
使用上述示例的Hbase表，查询“aaaaa”/“A：foo”的行/列将返回“y”，同时查询“aaaaa”/“A：foo”/ 10的行/列/时间戳将返回“M”。 查询“aaaaa”/“A：foo”/ 2的行/列/时间戳将返回空结果。
6. 稀疏
最后一个关键字是sparse（稀疏的）。 如上文已经提到的，给定行可以在每个列族中具有任意数量的列，或者根本没有列。 另一种类型的稀疏性是基于行的间隙，这仅仅意味着键之间可能存在间隙。
当然，如果您在本文的基于map的术语中考虑过Hbase/BigTable，而不是在RDBMS中看到类似的概念，那么这是非常有道理的。（言外之意就是说，在HBase/BigTable中的数据是稀疏的，而在RDBMS中不经常是。）
综述
以上就是HBase/BigTable的概念介绍。
