hbase的适用场景是？哪些数据适合用hbase来存储？

通常用得较多的场景：
1、对象存储
2、时空数据
3、Feeds流
4、 推荐画像
、、、

一般来说：面向列的，容量大的数据都可以采用hbase存储

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。