HBase日常整理01-基本概念

一、概述

HBase以表的形式存储数据。表有行和列族组成。列族划分为若干个列。

其结构如下：

 

图片解释：HBase中的一行数据的结构。每一行（row），包括行键（ROWKEY），列族（Column Family）

每一个列族包括列（Column），在HBase中，如果修改数据，不是修改最原始的数据而是追加数据，在获取数据的时候，如果不指定，默认获取最新的(timestamp最新的)数据。时间戳在HBase的数据中称之为是这个数据的版本VERSION。 

二、Row Key：行键

1.hbase本质上也是一种Key-Value存储系统。Key相当于RowKey，Value相当于列族数据的集合

2.与nosql数据库们一样，row key是用来检索记录的主键

3.访问hbase table中的行，只有三种方式

a.通过单个row key访问

b.通过row key的range

c.全表扫描

4.Row key行键 (Row key)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)，在hbase内部，row key保存为字节数组

5.存储时， 数据按照Rowkey的字典序(byte order)排序存储。设计key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。(位置相关性)

例：

 

三、列族（列簇）

1.hbase表中的每个列，都归属与某个列族

2.列族是表的schema的一部分(而列不是)，列族必须在使用表之前定义

3.列名都以列族作为前缀。例如courses:history ， courses:math 都属于 courses 这个列族

4.访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能帮助管理不同类型的应用：允许一些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继承的列族、一些应用则只允许浏览数据（甚至可能因为隐私的原因不能浏览所有数据）

四、Cell（单元）与时间戳

1.由{row key, column( =<family> + < label>), version} 唯一确定的单元（行键+列+version组成一个单元，也可以确定唯一的一个单元）

2.cell中的数据是没有类型的，全部是字节码形式存贮

3.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

4.时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时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

5.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

6.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

7.为了避免数据存在过多版本造成的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式：

a.保存数据的最后n个版本

b.保存最近一段时间内的版本（比如最近七天）

用户可以针对每个列族进行设置