本文主要是对使用HBase进行报表统计及按非RowKey字段进行查询的思考。
在文章开始之前很有必要简单介绍一下HBase适用的场景
HBase是Hadoop Database的简称，也就是基于Hadoop的数据库，是一种NoSQL数据库，主要适用于明细数据的随机实时查询。如日志明细、交易清单、全文检索、轨迹行为等。
换句话说，HBase不适用于报表统计以及根据非RowKey进行查询
怎么办呢？有以下的解决方案：

1. 使用Hive作为HBase的SQL引擎
   用Hive映射HBase表从而能像使用传统数据库一样对HBase进行查询统计，当然你也可以在Hive的基础上使用Spark-sql或者Impala，通过基于内在的查询从而提高速度。但是这样的话，依然速度很慢

2. 使用Phoenix作为HBase的SQL引擎
   对HBase里经常查询统计的字段进行二级索引，通过索引提高HBase按字段进行查询统计的的速度，这样查询HBase非RowKey的字段就会快很多，基本上能满足需要，当然报表统计的话还是要慢一些，但是还是要比Hive快。不足之处是：如果是基于CDH版的话你需要自己编译

3. 使用Solr作为HBase的二级索引
   此方案能达到方案2同样的速度，但是由于Solr不支持Sql，所以无法使用使用Sql。如果你对Solr比较熟悉的话推荐使用此方案，毕竟Solr是专业做全文检索的，对Hbase做下二级索引，实在是小意思。CDH版的HBase已经对此方案进行了支持，封装，HBase和Solr的兼容性间，选此方案的话直接去Cloudera下载就可以了

出于Solr会的人不多，我们这边使用了方案2，HBase + Phoenix

简单介绍下Phoenix吧：
Phoenix是一个HBase的开源SQL引擎。你可以使用标准的JDBC API代替HBase客户端API来创建表，插入数据，查询你的HBase数据。
编译你的SQL查询为原生HBase的scan语句
检测scan语句最佳的开始和结束的key
精心编排你的scan语句让他们并行执行
让计算去接近数据通过
推送你的WHERE子句的谓词到服务端过滤器处理
执行聚合查询通过服务端钩子（称为协同处理器）
实现了二级索引来提升非主键字段查询的性能
统计相关数据来提高并行化水平，并帮助选择最佳优化方案
跳过扫描过滤器来优化IN，LIKE，OR查询
优化主键的来均匀分布写压力

下一篇介绍：Phoenix编译支持cdh5.10.2