由于项目开发的需要，使用HBase作为数据统计应用的存储系统，这里是一些经验总结以及对于使用过程中存在问题的解决思路。

    1. 数据统计的需求

    互联网上对于数据的统计，一个重要的应用就是对网站站点数据的统计，例如CNZZ站长统计、百度统计、Google Analytics、量子恒道统计等等。

    网站站点统计工具无外乎有以下一些功能：

    1)网站流量统计：包括PV、UV、IP等指标，这些统计指标可以以趋势图的形式展示出来，如最近一周、最近一个月等。

    2)IP来源信息统计：记录各个来源IP下的访问PV数。

    3)访问来源分析：记录访客是从哪些途径到达本网站的。

    4)搜索引擎及搜索关键词分析：对于各个指定搜索引擎带来访问PV的变化及趋势进行分析；对不同时段内访客搜索关键词的流量趋势进行统计。

    5)访问地区分析：统计不同时间段内各地区的PV浏览量、UV访客数的变化趋势。

    6)最近访客流水：实时显示网站当前的被访问情况，包括访问时间、IP地址、来源网址、访问网址和来源地区等。

    从统计的角度来看，这些业务功能的需求可以概括为：

    1)各项统计指标的计算，如PV、UV、IP等，可以归结为的对一条一条数据求SUM、AVG等操作。

    2)统计需求越来越要求实时性，访问来源随时随地发生，来源途径多样化。对于这类需求，不需要统计计算，而是要经过预处理后快速向用户展示其关心的数据。

    3)可以将数据统计分为两部分来理解：一部分是对于实时数据的统计，动态展示站点的访问数据更新情况；另一部分是对于历史数据的统计，如用于各项报表分析。

    2. HBase的实现思路

    HBase是一个分布式的存储系统，可以很容易在廉价PC上搭建其大规模存储系统，用于存储海量数据，这使得HBase适合于作为站点数据统计工具的存储系统。

    1)对于实时数据的统计，HBase能够提供较低延迟的读写访问，承受高并发的访问请求；而对于历史数据的统计，HBase则可以被视为一个巨大的Key-Value存储系统，用于存储各个网站上历史的访问信息，用于做离线的数据分析与报表生成。

    2)对于像PV、UV、IP这样需要求累加计算的操作(求SUM/AVG)，由于要对HBase表中相关记录进行扫描求和计算，所以如果被统计站点的数据量很大的话，使用HBase来做可能会保证不了很快的响应速度。也就是说，从前端发出一个查询请求到最终结果的响应，时间会比较长(超过1秒或更长)。对于这个问题，将在第3节进行讨论。

    3)对于像站点访客流水信息这样的实时数据展示，则比较适合于使用HBase来做，只要我们设计了合理的key，那么在根据key取单条访问记录时响应速度会很快。

    下面是一个使用HBase作为存储系统的结构示意图：

    其中，HBase服务端就是指HBase集群，应用程序分别通过入库端与查询端对HBase进行写操作与读操作。

    从HBase应用角度来看，可以分为两个不同的方向：

    3. 问题的解决思路

    针对第2节中提到的在使用HBase进行累加计算的操作(求SUM/AVG)时的问题，下面给出几种解决问题的思路与方法。

    4. 总结的话

    这里是在使用HBase进行数据统计应用中的一些经验总结，其中对于提到问题的解决思路，有过一些尝试，欢迎讨论。

建议继续学习：

1. HBase集群出现NotServingRegionException问题的排查及解决方法    (阅读：16226)
2. HFile存储格式    (阅读：14538)
3. hbase运维    (阅读：13677)
4. hbase介绍    (阅读：11033)
5. HBase技术介绍    (阅读：6759)
6. HBase随机写以及随机读性能测试    (阅读：6491)
7. HBase性能优化方法总结    (阅读：5829)
8. HBase二级索引与Join    (阅读：5790)
9. HBase Thrift 接口使用注意事项    (阅读：5411)
10. Cassandra和HBase主要设计思路对比    (阅读：4139)