HBase的表结构
如下:
行键 | 列族1 | 列族2 | 列族3 | ||||
rowkey1 | 列1 | 列2 | 列3 | ...... | 列N | ||
值1:版本1 | 值1:版本1 | 值1:版本1 | |||||
值2:版本2 | 值2:版本2 | ||||||
值3:版本3 | ....... | ||||||
rowkey2 | 列1 | 列2 | ..... | 列N-1 | |||
rowkey3 |
从上表可得HBase表有如下特点:
1、HBase表由两个要素组成:行键和列族
2、行键是唯一的,行键按照字典序排序存储
3、列族由不定个数的列组成。即使是同一个列族,不同行的数据列也是允许不一致的。例如“row_key_1”和“row_key_2”两行数据的列族“列族1”可以包含完全不同的列,可以有不同数目的列,也可以有不用的列名。
4、某个值可以在HBase里面存储多个版本,最新的版本在最前面。
总结上述几点,唯一确定一个值的要素有5个:表名,行键,列族,列名,版本
相关定义
RowKey
与nosql数据库们一样,RowKey是用来检索记录的主键。访问HBASE 表中的行,只有三种方式:
1.通过单个RowKey访问
2.通过RowKey的range(正则)
3.全表扫描
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),在HBASE内部,RowKey保存为字节数组。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。(位置相关性)
命名空间
用于将表分组,便于管理。一般RDBMS支持分库(即同一台服务器上,有多个数据库),在HBase中可以用命名空间满足这个需求。我的理解,命名空间就类似于数据库。不同数据库有不同的表。
两个特殊的命名空间:
Hbase:系统表空间
default:没有显式指定命名空间的表所属空间,默认命名空间
列族
同一个列族里面不同行数据的列也是不一致的。列不用在创表时就指定,但是列族必须在创表时就定义好。如果需要中途修改列族(包括增、删、改)必须将表先下线。
HBASE表中的每个列,都归属于某个列族。列名都以列族作为前缀。例如 courses:history,courses:math都属于courses 这个列族。
值版本
用户为每个值单独指定最大存储版本数。当新值插入时,若超过了最大存储版本数就会将最旧的值抹掉。默认最大存储版本数是1。
当然还有其他的值回收方式:
HBASE 中通过rowkey和columns确定的为一个存贮单元称为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。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。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。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担,HBASE提供 了两种数据版本回收方式。一是保存数据的最后n个版本,二是保存最近一段 时间内的版本(比如最近七天)。用户可以针对每个列族进行设置。
cell
由{rowkey,列族:列, 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。无类型、字节码
null值
NULL在HBase中将被忽略,不会占用任何存储空间
HFile
HFile是HBase在文件系统上存储的实际数据文件(独立的文件),是存储的最小单位。
HFile里面完成地存储一个列族的全部列。
这句话这样理解:
1、同一个列族的数据不会跨HFile存储。同一行,同一个列族的所有数据必定存储在一个HFile里面。
2、一个HFile里面只会存储某一个特定表的某一个特定列族。一个HFile不会同时存储两个及以上列族的数据。
准确完整的表述应该是:
HFile只会存储特定某个表中的某些行的特定某个列族