HBase和傳統數據庫，基礎原理上的區別在於，傳統數據庫使用B+樹，HBase使用LSM樹
B+樹
動態多級索引，支持高效的插入，查找和刪除。
頻繁更新可能會使樹失衡，需要重新組織。
索引文件存儲在磁盤上。相比於二叉樹，每個節點就可以存放更多的記錄，樹更矮了，I/O操作更少了。所以B+Tree擁有更好的性能
支持範圍掃描。每個葉節點按順序鏈接，便於範圍查詢。
LSM樹
寫入數據首先按順序存儲在日誌文件，而後寫入內存。內存中保存了最新的更新
當內存為“已滿”時，數據刷新到磁盤，所有記錄對安裝有序列表的方式存儲。此時，舊的日誌文件可以被丟棄
隨著時間推移，大量的數據文件被創建。後臺進程會將這些文件聚合成較大的文件
所有文件總是按關鍵字排序的，插入新數據，也不需要重新排序
查找操作。首先在內存存儲中查找，如果沒有，在磁盤存儲中查找
刪除操作。使用標記刪除。當進行定期的歸併時，才會真正刪除
總的來說
B +樹：當沒有那麼多更新時，工作得很好。會在隨機磁盤位置插入數據。更新和刪除操作受限於以磁盤尋道的速率
LSM-樹：能更好地適應大量數據，保證一致的插入率，將隨機寫入轉換成順序寫入。讀取與寫入無關，數據佈局更加優化。
HBase存儲
HMaster：HMaster是主服務器。負責監視集群中的所有RegionServer實例，保留元數據，跟ZooKeeper通信。在分佈式集群中，Master通常在NameNode上運行。
HRegionServer：HRegionServer負責服務和管理region。在分佈式集群中，RegionServer在DataNode上運行。處理WAL和HFiles。這些文件分塊存儲在HDFS
一般通信流程。客戶端先與ZooKeeper通信，ZooKeeper返回保存-root-的服務器名稱。通過-root-信息，客戶端查找.meta.服務器的名稱。-root-中存儲了.meta.的位置，而在.meta.中保存了具體數據（region）的存儲位置。通常，查找過程會被緩存，以提高後續查找速度
使用HBase
HBase是一種“NoSQL”數據庫。它不是支持SQL作為主要訪問語言的RDBMS。有許多類型的NoSQL數據庫：比如BerkeleyDB是本地NoSQL數據庫，而HBase是分佈式數據庫。從技術上講，相比於RDBMS，HBase缺少很多功能，比如列的類型，輔助索引，觸發器和高級查詢語言等。
然而，HBase具有支持擴展功能，通過添加RegionServers來擴展HBase集群。例如，一個群集的RegionServers從10個擴展到20個，它們在存儲和處理能力方面都會翻倍。RDBMS是單個數據庫服務器，為了獲得最佳性能，需要專門的硬件和存儲設備。
HBase功能有：
強一致的讀/寫：HBase不是“最終一致”的。這使得它非常適合高速計數、聚合等任務。
自動分片：HBase表通過regions分佈在集群上，隨著數據的增長，regions會自動分割和重新分配。
RegionServer故障轉移
Hadoop/HDFS集成：HBase作為分佈式文件系統支持使用HDFS。
MapReduce：HBase支持通過MapReduce進行大規模並行處理，將HBase用作數據源。
Java客戶端API：HBase支持一個易於使用的Java API，進行編程訪問。
Thrift/REST API：HBase還支持非Java的Thrift和REST API。
塊緩存和過濾器：HBase支持緩存和過濾器，用於大批量查詢優化。
HBase不適合的問題。
確保你有足夠的數據。如果有數億或數十億行，那麼HBase是一個很好的選擇。如果只有幾千萬行，那麼使用傳統的RDBMS可能是一個更好的選擇，因為所有的數據可能會在單個節點上存儲，而其餘的集群可能會沒有用。
確保可以不使用RDBMS提供的許多功能（例如，有類型的列，索引，事務，高級查詢語言等）。根據RDBMS構建的應用程序不能通過簡單更改來“移植”到HBase上。考慮從RDBMS轉移到HBase，需要完全重新設計。
確保有足夠的硬件支持。即使是HDFS，少於5個節點的集群也不會很好（由於諸如HDFS塊複製（缺省值為3）等）。
HBase和HDFS
HDFS是一種非常適合存儲大型文件的分佈式文件系統。然而，它不是通用文件系統，不提供在文件中快速的查找單條記錄的能力。
另一方面，HBase雖然構建在HDFS之上，但為大型數據表提供快速的查找和更新。HBase將數據放在HDFS上，通過索引文件“StoreFiles”進行高速查找。