HBase分布式数据库具有哪些特点？

       HBase是一个高可靠性、高性能、面向列、可伸缩的分布式数据库，它起源于2006年Google发表的BigTable论文。在2008年，PowerSet的Chad Walters和Jim Keller受到了该论文思想的启发，从而把HBase作为Hadoop的子项目来进行开发维护，用于支持结构化的海量数据存储。

　　HBase的一大优点是可在廉价PC 服务器上搭建起大规模结构化存储集群。HBase的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。HBase分布式数据库具有如下的显著特点：

　　容量大

　　HBase分布式数据库中的表可以存储成千上万的行和列组成的数据。

　　面向列

　　HBase是面向列的存储和权限控制，并支持独立检索。列存储，其数据在表中是按照某列存储的，根据数据动态的增加列，并且可以单独对列进行各种操作。

　　多版本

　　HBase中表的每一个列的数据存储都有多个Version(版本)。一般地，每一列对应着一条数据，但是有的数据会对应多个版本，例如，存储个人信息的HBase表中，如果某个人多次更换过家庭住址，那么记录家庭住址的数据就会有多个版本。

　　稀疏性

　　由于HBase中表的列允许为空，并且空列不会占用存储空间，因此，表可以设计的非常稀疏。

　　扩展性

　　HBase的底层是依赖于HDFS。当磁盘空间不足时，我们可以动态的增加机器(即DataNode节点服务)来解决，从而避免像关系型数据库那样，进行数据的迁移。

　　高可靠性

　　由于HBase底层使用是的HDFS，而HDFS本身具有备份机制，所以在Spark集群出现严重问题时，Replication(即副本)机制能够保证数据不会发生丢失或损坏。

　　虽然HBase是Google Bigtable的开源实现，但是它们之间有很多不同之处，例如：Google BigTable利用GFS作为其文件存储系统，而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，而HBase同样利用Hadoop的MapReduce来处理HBase中的海量数据;Google BigTable利用Chubby作为协同服务，而HBase利用Zookeeper作为协调服务作用。

　　HBase作为一种分布式数据库，它与传统数据库相比有很大区别，下面从存储模式、表字段以及可延伸性这三个方面分别进行介绍。

　　(1) 存储模式

　　传统数据库中是基于行存储的，而HBase是基于列进行存储的。

　　(2) 表字段

　　传统数据库中的表字段不能超过30个，而HBase中的表字段不作限制。

　　(3) 可延伸性

　　传统数据库中的列是固定的，需要先确定列有多少才会增加数据去存储，而HBase是根据数据存储的大小去动态的增加列，列是不固定的。