有这样一个场景，在HBase中需要分页查询，同时根据某一列的值进行过滤。 不同于RDBMS天然支持分页查询，HBase要进行分页必须由自己实现。据我了解的，目前有两种方案， 一是《HBase权威指南》中提到的用PageFilter加循环动态设置startRow实现，详细见这里。…

声明：本文的原文是来自Hbase技术社区的一个PPT分享，个人做了整理和提炼。大家注意哈，这种会议PPT类的东西能学习到的更多的是技术方案和他人在实践过程中的经验。希望对大家有帮助。背景快手每天产生数

CAP原理指出，对于一个分布式系统来说，不可能同时满足一致性 (Consistency)、可用性（Availability）、分区容错性（Partition tolerance），而HBase则被设计成一个CP系统，在保证强一致性的同时，选择牺牲了一定的可用性。在对HBase的…

Replication：复制，指的是持续的将同一份数据拷贝到多个地方进行存储，是各种存储系统中常见而又重要的一个概念，可以指数据库中主库和从库的复制，也可以指分布式集群中多个集群之间的复制，还可以指分布式系统中多个副本之间的复制。它的难点在于数据通常是不断变化的，需要持续的将变…

HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行，HMaster在功能上主要负责Table和Region的管理工作： 管理用户对Table的增、删、改、查操作(admin操…

Namespace（表命名空间）：将多个表分到一个组进行统一管理。 Table（表）：一个表由一个或者多个列族组成；数据属性比如：超时时间（TTL），压缩算法（COMPRESSION）等，都在列族的定义中定义；定义完列族后表是空的，只有添加了行，表才有数据。 Row（行）：一个…

以上两张表就创建好了，简单。 官网的 Example 36. HBaseContext Usage Example 如下： new SparkContext("local", "test") 这种写法是这个包独有的。详情如下： 两种API方法底层均调用SparkHadoopWr…