hbase每次处理数据不需要实时的调用数据。
HBase是一种构建在HDFS之上的分布式、面向列的存储系统。在需要实时读写、随机访问超大规模数据集时，可以使用HBase。尽管已经有许多数据存储和访问的策略和实现方法，但事实上大多数解决方案，特别是一些关系类型的，在构建时并没有考虑超大规模和分布式的特点。
和Hive不一样，Hbase的能够在它的数据库上实时运行，而不是运行MapReduce任务。Hive被分区为表格，表格又被进一步分割为列簇。列簇必须使用schema定义，列簇将某一类型列集合起来（列不要求schema定义）。
HBase是一个高可扩展、高可靠性的分布式数据库，它实现了以下主要功能： **面向列的存储**：HBase支持面向列的存储，这意味着数据以列族为单位进行存储，每个列族可以包含多个列，这使得数据存储更加灵活，能够适应不同类型的数据存储需求。
大数据存储：HBase是一个分布式、可伸缩的大数据存储系统，能够存储数十亿行甚至更多的数据。它不同于传统的关系型数据库，不需要预先定义数据结构，因此非常适合存储大量且快速变化的数据。这使得HBase成为许多大数据应用的首选存储解决方案。
总的来说，hbase的主要用途是存储大量的非结构化和半结构化数据，提供高速的读写操作和数据压缩加密功能，并支持灵活的数据模型。这使得它在大数据存储和实时数据处理场景中非常有用。
HBase适用于需要高扩展性和高可用性的场景，如大数据分析、日志处理等。它可以处理海量数据，并具备分布式存储和自动数据复制等特性。传统数据库则适用于事务处理和关系型数据的应用场景，如企业管理系统、电子商务平台等。它提供了强大的事务支持和复杂查询功能。
Memstore设置是否会触发Region级别或者RegionServer级别flush操作？需要检查Region规模与Memstore总大小设置是否合理，以及列族是否设置过多。 Store中HFile数量是否大于配置参数blockingStoreFile？需要检查参数设置是否合理，以及hbase.hstore.blockingStoreFiles的值是否过大。
HBase数据写入通常会遇到两类问题，一类是写性能较差，另一类是数据根本写不进去。这两类问题的切入点也不尽相同，如下图所示： 优化原理：数据写入流程可以理解为一次顺序写WAL+一次写缓存，通常情况下写缓存延迟很低，因此提升写性能就只能从WAL入手。
重启hbase 使用上述解决方案后本次异常依旧存在，并且HMaster和HRegionServer都不断的自动挂掉。
1、相反，HBase使用其自带的API进行操作，包括Java API、REST API、Thrift API等。例如，Java API中的Put和Get类分别用于插入和读取数据。此外，HBase也支持使用HBase Shell进行交互式操作，这是一种命令行工具，可以执行各种HBase命令。
2、大型数据存储：HBase可以处理PB级别的数据量，适合存储大规模的数据，例如日志数据、监控数据、交易数据等。时序数据：HBase可以用于存储时序数据，如速度的展示，天气、温度、风速、车流量等。
3、执行命令`start-hbase.sh`启动HBase集群，执行命令`jps`可以查看HBase的进程是否正常启动。HBase的基本操作 创建表 使用HBaseShell或HBaseAPI可以创建表，需要指定表的名称和列族。例如，创建一个名为student的表，包含一个列族info。
4、HBase采用了列式存储的方式，将数据按列存储，适合存储大规模、稀疏的数据。传统数据库则采用了行式存储，将数据按行存储，适合存储结构化的数据。由于存储方式的不同，HBase在读取和查询大规模数据时具有较高的性能优势，而传统数据库在处理事务和复杂查询时较为擅长。
5、Key-Value 的核心HBase实质上是一个Key-Value数据库，Key由RowKey、列族、列修饰符、时间戳和类型组成，而Value则是承载实际数据的载体。这种设计简洁明了，易于理解和操作。
6、Hive的定位是数据仓库，虽然也有增删改查，但其删改查对应的是整张表而不是单行数据，查询的延迟较高。其本质是更加方便的使用mr的威力来进行离线分析的一个数据分析工具。HBase的定位是hadoop的数据库，电脑培训发现是一个典型的Nosql，所以HBase是用来在大量数据中进行低延迟的随机查询的。
