一条数据的HBase之旅，简明HBase入门教程3：适用场景
【摘要】 这篇文章继HBase数据模型之后，介绍HBase的适用场景，以及与一些关键场景有关的周边技术生态，最后给出了本文的示例数据
华为云上的NoSQL数据库服务CloudTable，基于Apache HBase，提供全托管式集群服务，集成了时序数据库OpenTSDB与时空数据库GeoMesa，在TB/PB级别的海量数据背景下，可提供ms级查询以及千万级TPS，点我了解详情。
适用场景
在介绍完了HBase的数据模型以后，我们可以回答本文一开始的前两个问题：
-
什么样的数据适合用HBase来存储？
-
既然HBase也是一个数据库，能否用它将现有系统中昂贵的Oracle替换掉？
HBase的数据模型比较简单，数据按照RowKey排序存放，适合HBase存储的数据，可以简单总结如下：
-
以实体为中心的数据
实体可以包括但不限于如下几种：
-
自然人／账户／手机号／车辆相关数据
-
用户画像数据（含标签类数据）
-
图数据（关系类数据）
-
描述这些实体的，可以有基础属性信息、实体关系(图数据)、所发生的事件(如交易记录、车辆轨迹点)等等。
-
以事件为中心的数据
-
监控数据
-
时序数据
-
实时位置类数据
-
消息/日志类数据
-
上面所描述的这些数据，有的是结构化数据，有的是半结构化或非结构化数据。HBase的“稀疏矩阵”设计，使其应对非结构化数据存储时能够得心应手，但在我们的实际用户场景中，结构化数据存储依然占据了比较重的比例。由于HBase仅提供了基于RowKey的单维度索引能力，在应对一些具体的场景时，依然还需要基于HBase之上构建一些专业的能力，如：
-
OpenTSDB 时序数据存储，提供基于Metrics+时间+标签的一些组合维度查询与聚合能力
-
GeoMesa 时空数据存储，提供基于时间+空间范围的索引能力
-
JanusGraph 图数据存储，提供基于属性、关系的图索引能力
HBase擅长于存储结构简单的海量数据但索引能力有限，而Oracle等传统关系型数据库(RDBMS)能够提供丰富的查询能力，但却疲于应对TB级别的海量数据存储，HBase对传统的RDBMS并不是取代关系，而是一种补充。
作者：Jaison
