Hbase总结05_行健设计

表结构

Hbase的表有两种基本的键结构：行健（row key）和列键（column key）。

• 列键：包括了列族名和限定符，定位到列的索引
• 行健：相当于关系型数据库中的主键，通过行健得到逻辑布局中一行的所有列

每个行健在表中具有唯一性，可以用来查询正行数据，行健的值即代表着数据的位置，内容即索引的结构。

表至少包含一个列簇，每个列簇中可以包含一到多个单元格，每个单元格对应一个键值对，可以用列键查询一行中某个单元格的值。

Hbase采用列式存储方式，将一个列簇的数据存在一起，以单元格为单位将数据依次保存，每个单元格内部都要保存行健和列键的值，空值的单元格不存。

同一个单元格的不同版本被单独存储为连续的单元格，单元格按照时间戳降序排列，所以默认读取的是最新的单元格数据

同一列族的单元格在存储的时候先按行健排序，当一行中有多个单元格的时候再按列键排序，同一单元格有多个版本的时候按时间戳排序

根据以上的存储特性，建议在查询的时候指定列族信息可以有效减少查询的存储文件，提高效率

高表和宽表

Hbase包含两种表形式：高表和宽表，高表就是列少行多，宽表则反之

HBase只能按行切分，高表数据无法拆分，更无法进行HBase的负载均衡等特性，但高表便于用于一次更改多个列的值，Hbase具有行的原子性。

行健作用

数据是按照 Rowkey 的 ASCII 字典顺序进行全局排序的，由小到大排列

根据 RowKey 进行检索，通过 RowKey查找所在的 Region，然后向该 Region 获取数据。

结合实际的高频的查询场景来组合选择的字段，越高频的查询字段排列越靠左

设计原则

通用性原则

将行健设计成String类型，避免在不同系统环境下出现长度不一致现象；

长度原则

行健在列簇的每个单元格内都会保存一份，行健过长会浪费存储空间，推荐10-100字节

唯一性原则

必须在设计上保证其唯一性。

散列原则

设计的 RowKey 应均匀的分布在各个 HBase节点上，避免造成热点问题。

方法举例：

• 随机数，在rowkey的前面增加随机数，虽然增加了写操作的吞吐量，与此同时也增加了读操作的开销
• UUID
• Hash 散列或者 Mod 取模，Md5,等加密算法
• 业务有序数据方向(对业务数据进行reverse)