HBase的数据类型

HBase的数据类型

1 简介

在HBASE中，数据存储在具有行和列的表中。这是看起来关系数据库(RDBMS)一样，但将HBASE表看成是多个维度的Map结构更容易理解。

ROWKEY	C1列蔟	C2列蔟
rowkey	列1	列2	列3	列4	列4	列6

rowkey	0001
C1（Map）	列1 => 值1 列2 => 值2 列3 => 值3
C2（Map）	列4 => 值4 列5 => 值5 列6 => 值6

{
  "zzzzz" : "woot",
  "xyz" : "hello",
  "aaaab" : "world",
  "1" : "x",
  "aaaaa" : "y"
}

2 术语

2.1 表（Table）

• HBase中数据都是以表形式来组织的

• HBase中的表由多个行组成

在HBase WebUI（http://node1.itcast.cn:16010中可以查看到目前HBase中的表）

2.2 行（row）

• HBASE中的行由一个rowkey（行键）和一个或多个列组成，列的值与rowkey、列相关联

• 行在存储时按行键按字典顺序排序

• 行键的设计非常重要，尽量让相关的行存储在一起

• 例如：存储网站域。如行键是域，则应该将域名反转后存储(org.apache.www、org.apache.mail、org.apache.jira)。这样，所有Apache域都在表中存储在一起，而不是根据子域的第一个字母展开

2.3 列（Column）

• HBASE中的列由列族（Column Family）和列限定符（Column Qualifier）组成

• 表示如下——列族名:列限定符名。例如：C1:USER_ID、C1:SEX

1.2.4 列族（Column Family）

• 出于性能原因，列族将一组列及其值组织在一起

• 每个列族都有一组存储属性，例如：

  • 是否应该缓存在内存中
  • 数据如何被压缩或行键如何编码等

• 表中的每一行都有相同的列族，但在列族中不存储任何内容

• 所有的列族的数据全部都存储在一块（文件系统HDFS）

• HBase官方建议所有的列蔟保持一样的列，并且将同一类的列放在一个列蔟中

2.5 列标识符（Column Qualifier）

• 列族中包含一个个的列限定符，这样可以为存储的数据提供索引

• 列族在创建表的时候是固定的，但列限定符是不作限制的

• 不同的行可能会存在不同的列标识符

2.6 单元格（Cell）

• 单元格是行、列系列和列限定符的组合

• 包含一个值和一个时间戳（表示该值的版本）

• 单元格中的内容是以二进制存储的

ROW	COLUMN+CELL
1250995	column=C1:ADDRESS, timestamp=1588591604729, value=\xC9\xBD\xCE\xF7\xCA
1250995	column=C1:LATEST_DATE, timestamp=1588591604729, value=2019-03-28
1250995	column=C1:NAME, timestamp=1588591604729, value=\xB7\xBD\xBA\xC6\xD0\xF9
1250995	column=C1:NUM_CURRENT, timestamp=1588591604729, value=398.5
1250995	column=C1:NUM_PREVIOUS, timestamp=1588591604729, value=379.5
1250995	column=C1:NUM_USEAGE, timestamp=1588591604729, value=19
1250995	column=C1:PAY_DATE, timestamp=1588591604729, value=2019-02-26
1250995	column=C1:RECORD_DATE, timestamp=1588591604729, value=2019-02-11
1250995	column=C1:SEX, timestamp=1588591604729, value=\xC5\xAE
1250995	column=C1:TOTAL_MONEY, timestamp=1588591604729, value=114

3 概念模型

Row Key	Time Stamp	ColumnFamily contents	ColumnFamily anchor	ColumnFamily people
“com.cnn.www”	t9		anchor:cnnsi.com = “CNN”
“com.cnn.www”	t8		anchor:my.look.ca = “CNN.com”
“com.cnn.www”	t6	contents:html = “…”
“com.cnn.www”	t5	contents:html = “…”
“com.cnn.www”	t3	contents:html = “…”
“com.example.www”	t5	contents:html = “…”		people:author = “John Doe”

• 上述表格有两行、三个列族（contens、ancho、people）

• “com.cnn.www”这一行anchor列族两个列（anchor:cssnsi.com、anchor:my.look.ca）、contents列族有个1个列（html）

• “com.cnn.www”在HBase中有 t3、t5、t6、t8、t9 5个版本的数据

• HBase中如果某一行的列被更新的，那么最新的数据会排在最前面，换句话说同一个rowkey的数据是按照倒序排序的