2 HBase数据模型

数据模型解析

数据类型:int,char… HBase不存在数据类型，字节存储

数据模型：行，列 HBase不仅有行列，HBase还有：RK，CF，TS，Q，cell

专业术语

NameSpace：

• 命名空间是类似于关系数据库系统中的数据库的概念，他其实是表的逻辑分组。这种抽象为多租户相关功能奠定了基础。
  命名空间是可以管理维护的，可以创建，删除或更改命名空间。

• HBase有两个特殊预定义的命名空间:

  • default-没有明确指定名称空间的表将自动落入此名称空间
  • hbase-系统命名空间，用于包含HBase内部表

Table：

• Hbase的table由多个行组成

• Row Key	Time Stamp	Column Family1	Column Family2	Column Family3
  111	t6		CF2:q1=val1	CF3:q3=val3
  112	t3	CF1:q2=val3
  	t2		CF1:q8=val2

RowKey:

• RowKey是用来检索记录的主键，是一行数据的唯一标识
• RowKey行键(RowKey)可以是任意字符串(最大长度是64KB，实际应用中长度一般为10-100bytes)，RowKey以字节数组保存。
• 存储时，数据按照RowKey的字典序(byte order)排序存储。设计RowKey时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。

Column Family:

• 列簇在物理上包含了许多的列与列的值，每个列簇都有一些存储的属性可配置。
  • 例如是否使用缓存，压缩类型，存储版本数等。在表中，每一行都有相同的列簇，尽管有些列簇什么东西也没有存。
• 将功能属性相近的列放在同一个列族，而且同一个列族中的列会存放在同一个Store中。列族一般需要在创建表的时候就进行声明，而且一般一个表中的列族数不要超过3个
  • 这个和后期的优化相关
• 列隶属于列族，列族隶属于表

Column Qualifier:

• 列簇的限定词，理解为列的唯一标识。但是列标识是可以改变的，因此每一行可能有不同的列标识
• 使用的时候必须列族:列
• 列可以根据需求动态添加或者删除，同一个表中不同行的数据列都可以不同

Cell：

• cell是由row,column family,column qualifier,version 组成的
• cell中的数据是没有类型的，全部是字节码形式存贮。
  • 因为HDFS上的数据都是字节数组

Timestamp:

• HBase中通过rowkey和column family,column qualifier确定的一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。
• 版本通过时间戳来索引。
  • 时间戳的类型是64位整型
  • 默认时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。
  • 如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。
• 每个cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
  • 查询数据的时候，如果不指定版本数，默认显示版本号最新(高)的数据
• 为了避免数据存在过多版本中造成管理(包括存贮和索引)负担，HBASE提供了两种数据版本回收方式。
  • —是保存数据的最后n个版本
  • 二是保存最近一段时间内的版本(比如最近七天)

小结

HBase是一个稀疏的、分布式、持久、多维、排序的映射，它以行键（row key)，列键(column key–>cfq)和时间戳(timestamp)为索引。
Hbase在存储数据的时候，有两个SortedMap，首先按照rowkey进行字典排序，然后再对Column进行字典排序。

照rowkey进行字典排序，然后再对Column进行字典排序。