用mybatis+phoenix+hbase时,执行sql时为什么会变慢
1、虽然HBase本身不支持SQL，但是可以通过一些工具或框架（如Phoenix，Presto等）在HBase上执行类SQL查询。例如，Phoenix是一个HBase上的SQL skin，它允许你使用SQL语法进行查询，同时底层数据仍然存储在HBase中。
2、静态 SQL 语句的编译是在应用程序运行前进行的，编译的结果会存储在数据库内部。而后程序运行时，数据库将直接执行编译好的 SQL 语句，降低运行时的开销。静态SQL在编译时已经确定了引用的表和列。
3、一般用mybatis都是用数据库连接池c3p0等，连接池是在服务器启动的时候先创建一些连接，用的时候直接从连接池中取出来用，用完了，返回给连接。
用传统数据库系统管理空间数据,存在什么不足之处
1、正确答案：（1）传统数据库系统管理的是不连续的，相关性较小的数字和字符，而地理信息数据是连续的，并且具有很强的空间相关性。
2、传统数据库是以数据块来存储数据，简单来说，你的表字段越多，占用的数据空间就越多，那么查询就有可能要跨数据块。在大型系统中一张表有上百个字段，并且表中的数据上亿条也有可能。因此会带来数据库查询的瓶颈。
3、包括具有不同相容性矩阵的，有优先队列或者没有的，能指数后退或者不能的，全局可追踪的或者不可追踪的，等等等等。然后写一个存储管理子系统。在这里你可以决定你的数据库的外存布局。
4、一旦有数据修改维护代价很大；2 不适合空间数据库中的查询，解决空间数据的查询处理代价高。比如空间数据中的查询包括两个区域的位置关系，查询某个点所在的区域，执行最近邻查询等。
5、数据失效的风险，因为中心存储，一旦发生问题，基本难以挽救。传统数据库是以数据块来存储数据，简单来说，表字段越多，占用的数据空间就越多，那么查询就有可能要跨数据块。
6、对象-关系数据库管理 由于直接采用通用的关系数据库管理系统的效率不高，而非结构化的空间数据又十分重要，所以许多数据库管理系统的软件商在关系数据库管理系统中进行扩展，使之能直接存储和管理非结构化的空间数据。
hadoop分布式计算中,使用Hive查询Hbase数据慢的问题
首先，节点规模上去，或者硬件配置上去才能让hadoop引擎转起来。配置很低，一看就知道是科技项目，或者小作坊的做法，你的需求是很不合理的。在这配置下是没优化空间。
两种方式：一，建立一个hive和hbase公用的表，这样可以使用hive操作hbase的表，但是插入数据较慢，不建议这样做。二，手写mapreduce，把hive里面的数据转换为hfile，然后倒入。
基于Hadoop的HBase可以做到实时处理以及相关需求的实时计算，主要解决海量key，value相关查询计算等需求。 可以考虑Spark计算，Spark是基于共现内存RDD的系统，比Hadoop更快，时候迭代式计算，例如数据挖掘，机器学习算法等。
Hive的定位是数据仓库，虽然也有增删改查，但其删改查对应的是整张表而不是单行数据，查询的延迟较高。其本质是更加方便的使用mr的威力来进行离线分析的一个数据分析工具。
Hbase读写原理
HBase是一个基于Hadoop的分布式、可扩展的大数据存储系统，其读写操作是基于其底层的HDFS（Hadoop Distributed File System）进行的，同时利用MapReduce进行数据处理。
HDFS不太适合做大量的随机读应用，但HBASE却特别适合随机的读写 个人理解：数据库一般都会有一层缓存，任何对数据的更改实际上是先更改内存中的数据。然后有异步的守护进程负责将脏页按照一定策略刷新到磁盘空间中去。
hbase客户端通过rpc调用将put、delete数据请求提交到对应的regionserver，regionserver对请求进行处理，并将数据最终写入hfile中，进行持久化保存。hbase为了保证随机读取的性能，所以hfile里面的rowkey是有序的。
无Master过程中，数据读取仍照常进行。但是，无master过程中，region切分、负载均衡等无法进行。
这里的高可用并不是指HBase本身的高可用机制。而是HBase主备双服务的高可用，线上业务依赖于主备HBase集群来提供数据支持，主集群首要的任务时负责数据的读写，备集群只是为了容灾。
为什么说HBase是列式数据库?
HBase是一个高可扩展性的列式数据库，它是基于Google的Bigtable论文开发的。在HBase中，数据是以列族的形式进行存储的，而不是行。每个列族可以包含多个列，这些列在物理存储上是聚集在一起的。
HBase是一个基于Apache Hadoop的面向列的NoSQL数据库，是Google BigTable的开源实现。它运行在HDFS之上，为Hadoop提供类似于BigTable规模的服务。
（1）HBase是一个高可扩展性的列式存储数据库，它使用Hadoop的HDFS作为其底层存储，可以轻松处理大量的数据。HBase的数据模型是基于Google的Bigtable，数据以列族的方式进行存储，每个列族下面可以包含多个列。
HBase是一种分布式、面向列的NoSQL数据库，而传统数据库通常是基于关系模型的关系型数据库。这两种数据库在数据存储方式上有所区别。HBase采用了列式存储的方式，将数据按列存储，适合存储大规模、稀疏的数据。
Redis是k-v型数据库，目标是做高效的分布式缓存。数据一般不实时落地。也不适合做存储和分析。HBase是列式数据库，BigTable的一种实现，目标是高效存储大量数据，支持列压缩，行事务。适合Schema-less的数据。
hbase查询慢的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于hbase查询慢,怎么split region、hbase查询慢的信息别忘了在本站进行查找喔。