HBase学习笔记-入门(3)-HBase数据模型

HBase数据模型

HBase中不支持关系型模型，而是根据用户的需求提供更加灵活和可扩展的表设计。在HBase中，同样存在表、行、列、单元格等概念，不同的是，HBase中有列族的概念。一个列族包括一列或者多列，并且HBase中的每个列都必须属于一个列族。

可以将HBase的数据模型理解成一个多个维度的Map结构。一张HBase表中存在若干行，并且一张表拥有多个列族，一个列族中存在多个列。根据行键我们可以唯一地定位到一行，在一行中，根据列族+列标识符又可以唯一定位到一列，即得到一个单元格。（可以将行键理解为一级key，列族+列标识符理解成二级key）

表（Table）

HBase中的数据以表的形式存储，同一张表中的数据通常是相关的。一张表拥有多个列族，并且一张表由多个行组成。

行（Row）

HBase中的一行由行键Row Key完全标识，一行内可以拥有多个列族，一个列族拥有多个列。通过列族+列标识符可以定位到行内的某一个值的内容。

行在存储的时候，会按照行键字典顺序进行排序。

列族（Column Family）

HBase中的列族是一些列的集合。一个列族拥有的列不需要事先定义，列族支持动态扩展，用户可以很轻松地添加一个列，无须预定义列的数量以及类型（也无法定义类型）。所有的列均以字符串的形式存储，在用户使用的时候按照需要自行进行数据类型转换

列标识符（Column Qualifier）

列族中的数据通过列标识符来进行定位，列标识符没有特定的数据类型，按照byte [ ]来进行存储。

拥有了列族和列标识符之后，就可以按照Column Family Name:Column Qualifier格式来定位某一列，例如C1:USER。

单元格（Cell）

通过行键、列族、列标识符，我们可以定位到一个单元格，单元格中的内容以二进制存储，其中保存同一份数据的多个版本。每个版本记录了一个值和一个时间戳，用来标识版本的先后，最新的数据排列在最前面。

时间戳（Timestamp）

在默认情况下，每一个单元格插入数据时都会用时间戳来进行版本标识。读取单元格数据时，如果时间戳没有被指定，则默认返回最新的数据；写入新的单元格数据时，如果没有设置时间戳，默认使用当前时间。每一个列族的单元数据的版本数量都被 HBase 单独维护，默认情况下 HBase 保留 3 个版本数据。

命名空间（NameSpace）

命名空间，类似于关系型数据库中的DataBase概念。每个命名空间下有多个表，HBase有两个自带的命名空间，分别是hbase和default。其中hbase下存放的是HBase内置的表，包括meta和namespace等；而default是用户默认使用的命名空间。

---

对比来说，HBase表与关系型数据库中的表结构看起来没有太大差异，只是HBase中多了列族的概念，但是实际上差别还是挺大的。

在关系型数据库中，表的结构需要预先定义，包括列名，数据类型，值域等。如果需要添加新的列，需要修改表结构，而这对已经存在的数据会造成很大影响，并且关系型数据库中对每个列都预留了存储空间，如果新增一个列的话，会导致关系型数据库中产生很多Null值，消耗大量的存储空间。同时关系型数据库按照行来存储。

而在HBase中，Null在物理上不占用存储空间。并且如果要添加新列的话，只需要在列族中动态添加即可。另一方面，HBase面向列存储，在实际的物理存储中，列族是分开存储的。