add by zhj: 這篇文章寫的通俗易懂，介紹了HBase最重要的幾點特性。
英文原文：https://dzone.com/articles/understanding-hbase-and-bigtab
譯文：https://lunatictwo.github.io/2017/09/25/Hbase&&BigTable/
學習HBase（Google BigTable 的具體實現）最困難的地方在於，HBase的概念很難讓人理解。
不幸的是，在HBase和BigTable的介紹中，都包含了table這個單詞，很容易讓學過關系型數據庫的人們（包括我自己）產生困惑。
這篇文章致力於從概念的角度介紹這個分布式數據存儲系統。閱讀之后，當你遇到想使用HBase或者是想使用傳統數據庫的時候，你就可以有一個清晰的認識。
一切都在術語中
Google的BigTable論文 清晰的指出了什么是BigTable。這里是其中Data Model一節的第一句話：
Bigtable is a sparse, distributed, persistent multidimensional sorted map.
接下來，論文繼續解釋道：
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介紹中，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.
盡管看起來讓人難以理解，但是一次理解一個單詞，也是有意義的。下面我將按照以下順序解釋這些單詞：map, persistent, distributed, sorted, multidimensional, 和sparse。
1. 字典
HBase和BigTable的核心是一個map。依靠你的編程語言背景，你可以很容易理解，這就像PHP中的關聯數組，Python中的字典，Ruby中的哈希，或者是JavaScript中的對象。
從Wiki中的解釋來看，map就是”由key和value組成的數據結構，其中每一個key和一個value相關聯”。
使用JavaScript的對象語法，這是一個簡單的map實例：
{
"zzzzz" : "woot",
"xyz" : "hello",
"aaaab" : "world",
"1" : "x",
"aaaaa" : "y"
}
2. 持久化
Persistence（持久性）只是表示當你的程序結束或數據入口關閉后，你保存在map中的數據會被持久化，這個和其他的持久化存儲方式沒區別。
3. 分布式
Hbase和BigTable構建在分布式文件系統上，以便底層文件存儲可以在獨立機器陣列之間傳播。
HBase可以運行在HDFS上，也可以運行在Amazon的Simple Storage Service上，同時BigTable可以運行在Google File System上。
數據以類似的方式在多個參與節點中復制，以便數據在基於獨立冗余磁盤陣列的系統中的光盤之間進行條帶化。
在本文中，我們並不關心使用哪個分布式文件系統實現。要了解的事情是它是分布式的，它提供了一個保護機制，例如，集群內的某個節點發生故障，可以做到容災即可。
4. 有序
與大多數Map實現不同，在Hbase/BigTable中，鍵值對以嚴格的字母順序保存。 也就是說，鍵“aaaaa”的存儲行應該在鍵“aaaab”的旁邊，並且距離具有鍵“zzzzz”的存儲行非常遠。
回到我們的map示例，排序后的版本如下：
{
"1" : "x",
"aaaaa" : "y",
"aaaab" : "world",
"xyz" : "hello",
"zzzzz" : "woot"
}
因為這些系統往往是特別龐大的，並且數據是分布式存儲，所以這種排序功能其實非常重要。具有類似鍵的行的空間優勢確保了當一個操作必須掃描表格時，查詢最感興趣的內容將彼此靠近。
這在選擇行key時很重要。 例如，假如一個表的關鍵字是域名，最有意義的是以反向符號（即“com.jimbojw.www”而不是“www.jimbojw.com”）列出它們，以便關於子域名的行將在父域名行附近。
繼續解釋域名的例子，如果是以反向符號存儲的話，假如有一行數據是“mail.jimbojw.com”，那么它應該被存儲在“www.jimbojw.com”行的旁邊，而不是在“mail.xyz.com”旁邊。
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。除了這個，其他的和普通的map實現是一樣的。
5. 多維度
到目前為止，我們沒有提到任何“列（columns）”的概念，而是將“表”視為概念中的常規Hash/Map。 這是完全有意為之的。單詞“列”是另一個人為引入的單詞，如“table”和“base”，它是多年關系型數據庫從業人員的命名習慣。
相反，我更喜歡把它想象為一個map的嵌套結構。比如如下結構：
{
"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，你會發現每一個內層的map都有兩個key，A和B。從現在開始，每一個外層的map視為一行，每一個內層的map中的A、B視為A、B列。
創建表的時候，需要首先指定好表的列，后續難以修改，或不可修改。同時，添加新的列的代價也是非常昂貴的。
不過幸運的是，在每一個列中，同樣可以添加無數的列，就像JSON中一樣，舉例如下：
{
// ...
"aaaaa" : {
"A" : {
"foo" : "y",
"bar" : "d"
},
"B" : {
"" : "w"
}
},
"aaaab" : {
"A" : {
"foo" : "world",
"bar" : "domination"
},
"B" : {
"" : "ocean"
}
},
// ...
}
上面的示例中，A列有兩個子列：foo和bar，B列有一個子列，用空字符串標識。
在查詢HBase和BigTable的時候，必須提供數據的全限定名，比如”A:foo”, “A:bar”和”B:”。
請注意，盡管列是靜態的，但列的子列不是。比如以下結構：
{
// ...
"zzzzz" : {
"A" : {
"catch_phrase" : "woot",
}
}
}
在這種情況下，“zzzzz”行只有一列“A：catch_phrase”。 因為每一行可能有不同的列數，所以沒有內置的方法來查詢所有列中所有子列的列表。要獲取該信息，必須進行全表掃描。然而，可以查詢所有列的內容，因為這些列是不可變的。
Hbase/BigTable表示的最終維度是時間。所有數據使用整數時間戳或用戶選擇的其他整數進行統一時間控制。客戶端可以在插入數據時指定時間戳。
假設有如下采用某一時間序列存儲的數據：
{
// ...
"aaaaa" : {
"A" : {
"foo" : {
15 : "y",
4 : "m"
},
"bar" : {
15 : "d",
}
},
"B" : {
"" : {
6 : "w"
3 : "o"
1 : "w"
}
}
},
// ...
}
每個列的子列可能有自己的規則來設置要保留的版本數量（單元格由其行鍵/列對標識）。在大多數情況下，應用程序將簡單地詢問給定單元格的數據，而不指定時間戳。 在這種常見情況下，Hbase/BigTable將返回最新的版本（具有最高時間戳的版本），因為它們以倒序的時間順序存儲。
如果應用程序在給定的時間戳中請求給定行，則Hbase將返回單元格數據，其中時間戳小於或等於提供的時間戳。
使用上述示例的Hbase表，查詢“aaaaa”/“A：foo”的行/列將返回“y”，同時查詢“aaaaa”/“A：foo”/ 10的行/列/時間戳將返回“M”。 查詢“aaaaa”/“A：foo”/ 2的行/列/時間戳將返回空結果。
6. 稀疏
最后一個關鍵字是sparse（稀疏的）。 如上文已經提到的，給定行可以在每個列族中具有任意數量的列，或者根本沒有列。 另一種類型的稀疏性是基於行的間隙，這僅僅意味着鍵之間可能存在間隙。
當然，如果您在本文的基於map的術語中考慮過Hbase/BigTable，而不是在RDBMS中看到類似的概念，那么這是非常有道理的。（言外之意就是說，在HBase/BigTable中的數據是稀疏的，而在RDBMS中不經常是。）
綜述
以上就是HBase/BigTable的概念介紹。