列式存儲: 區別於傳統的行式存儲，在存儲層，把同一列的數據放在一起，利於聚合查詢，不利於明細查詢、INSERT/UPDATE等。
Hbase: 列式存儲的一種實現
組成部件說明：
Row Key： Table主鍵 行標識
Timestamp： 每次對數據操作對應的時間戳，即數據的version number（Hbase無法update，每次操作都是追加）
Column Family： 列簇，一個table在水平方向有一個或者多個列簇，列簇可由任意多個Column組成，可動態擴展，無須預定義數量及類型，二進制存儲，用戶需自行進行類型轉換
邏輯視圖：
物理視圖:
系統架構
- Table中所有行都按照row key的字典序排列；
- Table在行的方向上分割為多個Region；
- Region按大小分割的，每個表開始只有一個region，隨着數據增多，region不斷增大，當增大到一個閥值的時候，region就會等分會兩個新的region，之后會有越來越多的region；
- Region是Hbase中分布式存儲和負載均衡的最小單元，不同Region分布到不同RegionServer上。
- Region是分布式存儲的最小單元，不是存儲的最小單元。在每台機器上Region由一個或者多個Store組成，每個store保存一個columns family；每個Strore又由一個memStore和0至多個StoreFile組成，StoreFile包含HFile；memStore存儲在內存中，StoreFile存儲在HDFS上。
- MemStore 是放在內存里的，保存修改的數據即keyValues。當MemStore的大小達到一個閥值（默認64MB）時，MemStore會被Flush到文件，即生成一個快照。目前HBase會有一個線程來負責MemStore的Flush操作。
- MemStore內存中的數據寫到文件后就是StoreFile，StoreFile底層是以HFile的格式保存。
- HFile，HBase中KeyValue數據的存儲格式，是Hadoop的二進制格式文件。
Kylin: 以hbase為存儲，維度做RowKey，指標做列族，支持SQL查詢的預計算服務
Rowkey可以理解為“索引”，如：0001111是把維度ABCD作為索引的一份數據集，1110001是把維度AEFG作為索引的一份數據集....
每一種“索引”都包含了全量數據，稱之為一個cuboid，如：原數據集大小為1G，有7個維度，那么預計算所有維度的結果集大小將是128G
正常的業務生產中不可能需要預計算所有維度，並且維度與維度間有可能還有內在關系（如：省市區），所以維度爆炸的問題可以通過kylin的剪枝策略避免
剪枝策略是基於業務場景和維度間的關系等多種因素減少cuboid個數的一種思路，目前Kylin可以使用的維度優化手段有以下幾種：
- 聚集組
- 衍生緯度（如：cityName之於cityId）
- 強制維度（如：很多業務場景都是按天查詢的，datekey便可設為強制維度，可以把cuboid的個數由128直接降為64）
- 層次維度（如：省-市-區）
- 聯合維度（類似於聯合索引，業務上一定會一起作為條件去查詢的幾個維度）
- Extended Column
待學習補充：
列式存儲中的壓縮存儲、非精確去重、hyperloglog、bitmap