优化 HBase 性能的时候遇到了诸多问题，主要原因在于对于 HBase 细节的不理解，所以要对着官方文档，仔细过次，希望能以此找到症结所在。

HBase客户端访问超时的多个因素及参数

　　完成了数据处理，我们就可以把清洗之后的数据导入数据库了，需要分别针对 MySQL 和 HBase 写两套代码。具体我们可以把数据库与前端分离，只要配置好能让前端来连接即可。
　　数据库设计
我们需要做的很简单，就是返回某个用户用指定的 hashtag 发的 tweet，具体请求和响应的格式为：

[原]搭建hbase-0.94.26集群环境

　　本文章参考hbase官方文档的2个示例，整合而成，示范了如何创建表，删除表，更改表结构，还是put, get, scan等操作。

　　在之前的文章里，我 使用了rabbitmq作为storm-topololy中spout的数据来源 ，使用storm-rabbitmq作为spout直接使用。

　　在之前的两篇文章中，分别讨论了storm-rabbitmq,storm-hbase集成的基本用法，为此我们写个简单的测试项目用于整体测试。

　　大数据时代，HBase作为款扩展性的分布式存储系统，越来越多地受到各种业务的青睐，以求在大数据存储的前提下实现高效的随机读写操作。对于业务方来讲，方面关注HBase本身服务的读写性能，另方面也需要更多地关注HBase客户端参数的具体意义。

　　作为款优秀的非内存数据库，HBase和传统数据库样提供了事务的概念，只是HBase的事务是行事务，可以保证行数据的原子性、致性、隔离性以及持久性，即通常所说的ACID特性。

storm、hbase、kafka整合过程中遇到的log4j冲突问题

　　较近在监控中发现HiveServer2连接到zookeeper里的连接持续上涨，很奇怪，虽然知道HiveServer2支持并发连接， 使用ZooKeeper来管理Hive表的读写锁，但我们的环境并不需要这些，我们已经关闭并发功能，以下是线上的配置，甚至把这些值都改成final了。

Python访问hbase数据操作脚本分享

Hbase的Python API模块Starbase介绍

　　现有的SQL解决方案通常都不是水平可伸缩的，因此当数据量变大时会遇到障碍。但是这样的情况，随着NoSQL的出现已经得到很大程度的缓解，并且随着NoSQL技术的完善与成熟，这种情况将会从根本上解决。

　　在设计HBase表时，Rowkey设计是很重要的事情，应该基于预期的访问模式来为Rowkey建模。