一、为什么要使用 HBase
HBase 不是关系型数据库，也不支持 SQL ，是一个适合于非结构化数据存储的数据库，而且 HBase 是一个列式数据库，不是以行式的方式存储。
当数据量越来越大，关系型数据库在服务器响应和时效性上会越来越慢，这就出现了读写分离策略，通过一个 Master 专门负责写操作，多个 Slave 负责读操作，服务器成本倍增；随着压力增加，Master 开始承受不住，这会采用分库机制， 把关联不大的数据分开部署，一些 join 查询不能使用， 需要借助中层。 随着数据量的进一步增加， 一个表的记录越来多，查询就变得很慢，于是又得搞分表，比如按 ID 取模分成以减少单个表的记录数。
使用 HBase 就简单了，只需要增加机器就可以了，HBase 会自动水平切分扩展，跟 Hadoop 的无缝集成保障了数据可靠性（HDFS）和海量数据分析的高性能（MapReduce）。
二、HBase 的应用场景
HBase 作为常用的大数据存放工具，基本解决以下三大类场景。
1. 平台类
使用 HBase 作为数据存储，捕获来自于各种数据源的增量数据。此类存放的往往是平台的数据，有时候甚至是无业务含义的，作为平台的底层存储使用。
2. 内容服务类
此类主要面向各种业务系统，将数据直接存放到 HBase 中，再读取。难度就是需要支持千万级别的并发访问及读取，需要解决服务质量的问题。这种应用场景通常业务简单，不需要关系型数据库中的很多特性。
3. 信息展示类
通过 HBase 的高存储，高吞吐等特性，可以将人们感兴趣的信息快速展现出来（如阿里巴巴的天猫双十一大屏）。
三、HBase 适合的场景：
（1）有足够多数据，如果有上亿或上千亿行数据，HBase 是很好的选择。如果只是上千万或者上百万，则使用传统的 RDBMS 可能是更好的选择，因为所有数据如果只需要在一两个节点进行存储，会导致集群其他节点限制。
（2）确信可以不依赖于 RDBMS 的额外特性（如：列数据类型、第二索引、事务、高级查询语言等）
（3）确保有足够的硬件，因为 HDFS 在小于5个数据节点时，基本体现不出它的优势。
