HBase学习二：HBase的表结构

HBase的表结构

初次接触HBase，可能看到以下描述会懵：“基于列存储”，“稀疏MAP”，“RowKey”,“ColumnFamily”。
其实没那么高深，我们需要分两步来理解HBase, 就能够理解为什么HBase能够“快速地”“分布式地”处理“大量数据”了。

• 内存结构
• 文件存储结构

先介绍几个名称概念

行键RowKey：

• 行键，类似mysql中的主键，Table中的记录按照Row Key排序，行键是表结构的一部分；
• 由于Hbase只支持3中查询方式：
  1、基于Rowkey的单行查询
  2、基于Rowkey的范围扫描
  3、全表扫描
• 因此，Rowkey对Hbase的性能影响非常大，Rowkey的设计就显得尤为的重要。
• rowkey 行键可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，最好是 16。
• 在 HBase 内部，rowkey 保存为字节数组。
• rowkey是行的唯一标识，相同行键的数据属于同一行
• HBase 会对表中的数据按照 rowkey 升序排序 (字典顺序)
• 【注意】字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行键必须用0作左填充。

列族/列簇ColumnFamily

• Hbase通过列族划分数据的存储，列族下面可以包含任意多的列，实现灵活的数据存取。就像是家族的概念，我们知道一个家族是由于很多个的家庭组成的。列族也类似，列族是由一个一个的列组成（任意多）。
• Hbase表的创建的时候就必须指定列族。就像关系型数据库创建的时候必须指定具体的列是一样的。
• Hbase的列族不是越多越好，列族越多，在取一行数据需要参与IO、搜寻的文件就越多；官方推荐的是列族最好小于或者等于3。我们使用的场景一般是1个列族。
• 一个列族会储存一个物理文件；
• 通常将具有相同IO（读写）属性的列放在同一个列族下，IO属性即经常在一起查询的字段，由具体的实际业务中决定；

列Column

• 列为每一行的列名和对应的值；可以理解为mysql的列；
• 一个列族包含一个或多个列；列族是表结构的一部分，而列不是；
• 定位一个列，必须指定列族；
• 列名都以列族作为前缀，如：courses：history，courses：math；都属于courses这个列族；

单元格cell

• HBase 中通过 rowkey 和 columns 确定的为一个存储单元称为 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。
• 由{rowkey, column( = + ), version} 唯一确定的单元。 Cell 中的数据是没有类型的，全部是字节码形式存贮。

时间戳TimeStamp/版本信息Version

• 每一个