HBase是一個分布式存儲、資料庫引擎，可以支援千萬的QPS、PB級别的存儲，這些都已經在生産環境驗證，并且在廣大的公司已經驗證。特别是阿裡、小米、京東、滴滴内部都有數千、上萬台的HBase叢集。選擇一個技術的首要條件是對齊大公司，大公司會投入大量的人力去維護、改進、貢獻社群。
技術總是不斷向前發展的，如今都在提NewSQL，其實NewSQL在筆者看來是NoSQL之上的一個封裝，一個子場景。NoSQL中的大表，典型就是提供了KV1V2……Vn，其中每個V可以是1b，也可以是100MB。可以說是一個元的存在，就類似于數字世界的01，可以任意組合。在以HBase為代表的NoSQL中，HBase可以組合出任意的場景，NewSQL可以是之上加了SQL層或者更近一層添加事務的子場景。
在雲上，對于引擎最為核心的就是存儲計算分離，存儲可以按需計費，起碼得彈性伸縮。計算則按節點存儲提供，完全按照QPS計費，要麼費用高得吓人，要麼難以滿足更多的場景。比如存儲10M，到底算一次QPS，還是多少次。 由于HBase天生就是存儲計算分離，天然比較适配雲上的架構，可以說到了雲上，HBase更加具有優勢。
HBase可以說是一個資料庫，也可以說是一個存儲。擁有雙重屬性的HBase天生就具備廣闊的應用場景。在2.0中，引入了OffHeap降低了延遲，可以滿足線上的需求。引入MOB，可以存儲10M左右的對象，完全适應了對象存儲。另外由于自身的并發能力、存儲能力，可以說是具有最為競争力的引擎
對象存儲：我們知道不少的頭條類、新聞類的的新聞、網頁、圖檔存儲在HBase之中，一些病毒公司的病毒庫也是存儲在HBase之中
時序資料：HBase之上有OpenTSDB子產品，可以滿足時序類場景的需求
推薦畫像：特别是使用者的畫像，是一個比較大的稀疏矩陣，螞蟻的風控就是建構在HBase之上
時空資料：主要是軌迹、氣象網格之類，滴滴打車的軌迹資料主要存在HBase之中，另外在技術所有大一點的資料量的車聯網企業，資料都是存在HBase之中
CubeDB OLAP：Kylin一個cube分析工具，底層的資料就是存儲在HBase之中，不少客戶自己基于離線計算建構cube存儲在hbase之中，滿足線上報表查詢的需求
消息/訂單：在電信領域、銀行領域，不少的訂單查詢底層的存儲，另外不少通信、消息同步的應用建構在HBase之上
Feeds流：典型的應用就是xx朋友圈類似的應用
NewSQL：之上有Phoenix的插件，可以滿足二級索引、SQL的需求，對接傳統資料需要SQL非事務的需求
更多的場景需要不斷挖掘
以上，再次回顧，HBase的場景，做了一個簡單的分類，後續會有一些針對一些場景的實際的案例，歡迎關注HBase技術社群.
技術交流釘釘大群【強烈推薦！】 群内每周進行群直播技術分享及問答
加入方式2：釘釘掃碼加入：
