HBase的表结构及相关概念

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