▲2013中国数据库大会专题报道

　　自2010年以来，国内领先的IT专业网站IT168联合旗下ITPUB、ChinaUnix技术社区已经连续举办了三届数据库技术大会，每届大会超过千人规模，云集了国内技术水平最高的数据架构师、DBA、数据库开发工程师、研发总监、IT经理等，是目前国内最受欢迎的数据库技术盛会。

▲阿里数据平台开发工程师,HBase社区Committer：天梧(沈春辉)

　　HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。

　　特点：海量数据(TB以上)、很高的随机写能力、在海量数据中实现高效的读取、很好的伸缩能力、强一致性、能够同时处理结构化和非结构化的数据、动态列、不需要复杂的查询需求包括：SQL、事物、Join、多维索引等。

　　HBase的版本发展：

　　2007.4 第一个版本(HVASE-287 Mike Cafarella)

　　2010.10 0.89(Facebook的生产版本 based on)

　　2011.4 0.90.2(阿里HBASE的第一个版本 based on)

　　2012.1 0.92(Adds 安全，协处理器，HFile V2，分布式log-Splitting)

　　2012.5 0.94(Performance Release)，目前是主流版本。

　　2013.4 0.95(0.96的预发版，Adds protobuf,Table Snapshot,PrefixTreeCompression等等)

　　Coming 0.96

　　HBase在阿里的发展：

　　2011.3月开始研究

　　2011.5月上线第一个应用

　　截止目前：以基于0.94的阿里HBase版本为主、稳定性达到在线应用的城池标准之上、近百个业务，特点多样化。

　　国内外应用发展HBase的公司：

　　Cloudera、Hortonworks、Salesforce等

　　faceboook、Yahoo、eBay、Twitter、Pinterest、Line等

　　Intel、IBM等

　　阿里巴巴、华为、小米、360等。

　　实践与改进--Bucket Cache(Allocate Block)

　　1、将整个逻辑上的存储块切割成一个个的Bucket。2、每一个Bucket都有相同的固定的容量，e.g.2MB as default;3、每一个bucket都拥有一个size tag，cache这个size以内的Block。4、对于完全空闲的Bucket，它的size tag可以被重新指定。5、每一个bucket与物理存储的位置有固定的映射关系，根据Block在Bucket中的偏移，则就可以计算出其在物理存储中的偏移。

　　实践与改进--优化Java的GC麻烦

　　1、Concurrent mode failure

　　原因：old区要分配内存了，但是old区空间不够，而此时CMS正在运行中

　　解决：降低YGC频率，降低CMS GC触发时机(降低 CMSInitiatingOccupancyFraction的值)

　　2、Promotion Failed(发生很多)

　　原因：old区要分配内存了，但是找不到空间分配，却还没达到CMS的触发值。

　　heap碎片+YGC晋升对象(Block，Memstore Chunk)过大

　　解决：聚合小数据：开启msalab(注意Region数目)

　　HBase自己管理(重用)内存对象：Bucket Cache(HBASE-7404)(使用Byte buffer作为IOEngine的存储介质)、Chunk Pool(HBASE-8163)。

　　YGC停顿过长
　　原因1：Young区活对象数目过多，old区脏页数目过多
　　原因2：MemStore中的Keyvalueset，开启WAL压缩后的字典map
　　解决：1、降低young区大小。2、减小-XX:Maxcache/ChunkPool，减少晋升对象，减少拷贝时间。

　　实践与改进--更高的服务可用性

服务单点

▲更多优化

　　HBase是Google Bigtable的开源实现，类似Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统;Google运行MapReduce来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据;Google Bigtable利用 Chubby作为协同服务，HBase利用Zookeeper作为对应。

　　hbase是bigtable的开源山寨版本。是建立的hdfs之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。

　　它介于nosql和RDBMS之间，仅能通过主键(row key)和主键的range来检索数据，仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。主要用来存储非结构化和半结构化的松散数据。

　　与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

　　企业面临以下问题时，可以考虑选择HBase。如数据量急剧增加，需要TB级甚至PB级的在线服务;数据量增长速度快，对水平扩展能力有需求，前期少量投入，随着数据量的不断增加，后期可以不断追加;只是简单的kv读写，要求响应延时低;要求强一致性;每秒上万的写入，并且需要批量读取，大量的随机读取，需要大吞吐量;应用程序不断变更，导致schema多变;最后一个则是整个平台是一个Java平台，需要良好的Java接口等等。而HBase无疑很好地满足了这些特点。