目录

hbase作为一种非关系型数据库系统，提供海量存储的同时想要了解hbase，可以从非关系型数据库系统的各个维度进行出发进行研究。

维度

• 数据模型

  数据有多种存储方式，key-value、文档存储、半结构化列式存储。用户应该如何存储数据?

• 存储模型

  内存还是持久化? 内存模式怎么保证数据不丢失? 持久化存储是否影响访问?

• 一致性模型

  严格一致性or最终一致性? 如何权衡利弊?

• 物理模型

  分布式模式(distribut) or 单机模式(standlone) ? 是单机运行还是运行在多台机器上? 如何做分布式 ?

• 读or写性能

  读多写少? 读写相当? 写多读少? 有些系统可能只对一种支持的特别好

• 辅助索引

  辅助索引支持用户按不同的字段和排序方式来访问表。如果存储系统不支持，用户的应用可以自己应对或者自己模拟辅助索引?

• 故障处理

  机器会奔溃是一个客观存在的问题，如何处理故障，故障处理完后，是否可以正常工作?

• 压缩

  当用户需要存储TB级的数据时，尤其当这些数据差异性很小或由可读性文本组成时，压缩会带来很好的效果，能节省大量的原始数据存储。有可选择的压缩组件? 又有哪些压缩算法可用?

• 负载均衡

  对读写有高吞吐的需求，就要考虑配置一套能够随着负载变化自动均衡处理能力的系统。

• 原子操作的读-修改-写

  RDBMS提供很多类似的操作，但是在分布式系统中较难实现，这些操作可以帮助用户避免多线程造成的资源竞争，有了这个操作，在设计系统的时候有效降低客户端的复杂度。

• 加锁、等待和死锁

  复杂的事务处理，如2PC，会增加多个客户端竞争的同一个资源的可能性，最糟糕的情况是死锁，这种情况很难解决。系统支持哪种锁模型? 这种锁模型能否避免等待和死锁?

没有硬性的说RDBMS不能很好的解决问题，NoSql就能完美解决问题。从实际业务场景和需求选择最合适的维度，来进行系统设计，也是日常所面临的抉择。接下来日程会随着这些维度来进行hbase的探究