HBase数据库相关知识补充

一、HBase中的<K,V>

在HBase中我们可以把<行键，列.列族1，列.列族2，列.列族3>看作是一个<K,V>类型,如下所示：

键	值
[“2015001”,“info1”,“email1”]	“www.da.com”
[“2015002”,“info2”,“email2”]	“www.sad.com”

二、概念视图

HBase中的概念视图，一个表可以视为一个稀疏、多维的映射关系。如下所示，HBase表是一个稀疏的映射关系，里面存在很多的空的单元格。

三、面向列的存储

• 行式数据库使用NSM（N-ary Strorage Model）存储模型，如果每一行只有少量的数据，会浪费很多磁盘空间和内存带宽。
• 列式数据库使用DSM（Decomposition Storage Model）存储模型，缺点是执行连接操作消耗很大的元组重构代价，因为一个元组的不同属性分散到了不同的磁盘页中，当需要一个完整的元组时，就要从多个磁盘页中读取相应的字段组合起来得到一个元组。

四、NOSQL数据的产生

• 海量数据的查询效率问题：NOSQL远远快于传统的关系型数据库
• 高并发效率NOSQL更优秀
• NOSQL数据库可以通过横向扩展迅速提高读写速率，应对突发的瞬间IO读写提升
• 不要求严格的事务处理，如果一个微博用户填写了错误的信息，只需要删除原来的数据即可，不需要向传统的数据库一样进行回滚操作
• 需要求严格的实时性，比如微博增加几个粉丝，可以过几分钟更新数据。以前web1.0时代，到银行存钱希望存储以后马上可以显示出来
• 不需要大量的jion操作，用一个单表查询就行

五、CAP：C、A、P只能取其二

C(consistency):一致性。它是指任何一个读操作总是能够读到之前完成的写操作的结果，也就是在分布中，不同服务器中的数据一致。
A(Availability):可用性。他是指快速获取数据，可以确定的时间内返回操作结果。
P(Tolerance of Network Partition):分区容忍性。它是指当网络中出现分区的情况时（A服务器无法与其他服务器通信），分离的系统也能正常的进行。
（1）CA（放弃分区容忍性）：最简单的做法就是把所有的事务关系的内容都放在同一个机器上。传统的DBMS就是这样做的。
（2）CP（放弃可用性）：当网络出现分区时，收到数据一致性影响，等待期间无法对外提供服务，Neo4J、BigTable、HBase等Nosql都采用了CP设计原则。
（3）AP（放弃一致性）：用户发布数据能够及时被看到不重要，重要的是能够立刻被发出去。网站一般都是朝着AP的方向发展。Dynamo，Riak等数据库采用AP原则。

六、NoSQL到NewSQL

支持事务的可扩展数据库，spanner作为代表，实现全球一致性，有一个基于GPS和原子钟实现的时间API。