戴着红领巾走世界

二级索引这个特性应该是大部分用户引入Phoenix主要考虑的因素之一。HBase因其历史原因只支持rowkey索引，当使用rowkey来查询数据时可以很快定位到数据位置。现实中，业务查询需求条件往往比较复杂，带有多个查询字段组合，如果用HBase查的话，只能全表扫描进行过滤，效率很低。而Phoenix支持除rowkey外的其它字段的索引创建，即二级索引，查询效率可大幅提升。...

问题描述默认情况下，在创建 HBase 表的时候会自动创建一个 region 分区，当写入数据的时候，所有的 HBase 客户端都向这一个 region 写数据，直到这个 region 足够大了才进行切分。当region中有一个region的读写并发很高，其他的region相对来说读写少，造成数据热点。原因如下：（1）新建表的时候没有提前创建分区，只有默认一个region，只往一个region写数据，无法发挥集群写的优点。（2）默认Rowkey是递增的，且只用到一个regionserver，然后所有的

由于数据量增大，phoenix查询超时Error: Operation timed out. (state=TIM01,code=6000)java.sql.SQLTimeoutException: Operation timed out.调整下HBase RPC Timeout 和 Phoenix Query Timeout时间

    前面介绍了Hbase，知道了hbase有很多的优点，但是使用起来是不是感觉不得劲，为什么呢？因为不能使用我们大家所熟悉的SQL语言进行数据的读写，并且在Java项目中使用的是Hbase提供的API操作数据，不能使用JDBC进行数据库连接操作，使用起来很不方便。当然，只要有问题，就总有热心的大神去解决问题-Phoenix诞生了。什么是Phoenix...

这里给出经常用到的一些Hbase命令ahbase shell --连接ctrl+back --删除错误输入字符version --查看版本status --查看hbase服务运行状态list --列出所有表list_namespace --列出命名空间create_namespace '空间名' --创建命名空间drop_namespace '空间名' --删...

这里先大概记录下Hbase数据的读写交互流程，后面研究了Hbase源码有了深入体会再继续叙述详细的读写原理实现。读数据流程HBase读数据是比写数据更加复杂的操作流程，这主要基于两个方面的原因：其一是因为整个HBase存储引擎基于LSM-Like树实现，因此一次范围查询可能会涉及多个分片、多块缓存甚至多个数据存储文件；其二是因为HBase中更新操作以及删除操作实现都很简单，更新操作并没有更新原...

    Hadoop 可以通过 HDFS 来存储结构化、半结构甚至非结构化的数据，它是传统数据库的补充，是海量数据存储的最佳方法，它针对大文件的存储，批量访问和流式访问都做了优化，同时也通过多副本解决了容灾问题。但是 Hadoop 的缺陷在于它只能执行批处理，并且只能以顺序方式访问数据，这意味着即使是最简单的工作，也必须搜索整个数据集，无法实现对数据的随机访...