hbase数据模型与客户端编程

本文主要介绍一下hbase中数据的存储模型，以及如何进行客户端编程

hbase中数据模型

      hbase中数据模型与关系型数据库不同，关系型数据库围绕表，列和数据类型，数据的形态使用严格的规则，遵守这些严格的规则称之为结构化数据。Hbase设计上没有严格的数据形态，数据记录可能包含不一致的列，不确定大小等，这种数据成为半结构化数据。

      在半结构化的逻辑模型中数据的构成是松耦合的，这一点有利于数据的分散存储，同时Hbase物理设计上适合于物流分散存放，这一点也影响了逻辑模型。此外这种物理模型设计业迫使hbase放弃了一些关系数据库具有的特性。特别是hbase不能实施关系约束并且不支持多行事务（hbase默认开启行所，尽管不支持多行事务但支持单行事务）。

1hbase中客户端编程模型

用户看到的数据模型是通过客户端api展示的逻辑视图，主要模型如下

   表（table）：hbase用来组织数据的，表名是字符串（String），由可以在文件系统路径里使用的字符组成

   行（row）：在表里数据按行存储，行由行键（rowkey）唯一标示。行健没有数据类型，总是视为字节数组byte[]。

   列族（column family）：行里的数据按照列族分组，列祖也影响到hbase数据的物理存放，因此必须事先定义好并且不要轻易的修改。尽管行不需要在每个列族中存取数据，但每行必须包含所有的列族。列族的名字是字符串，由可以在文件系统路径里使用的字符组成

   列限定符（column qualifier）：列族里的数据通过列限定符或列来定位。列限定符不必事前定义。列限定符不必再不同行之间保持一致，就像行键一样，列限定符没有数据类型，总是视为字节数组byte[]。

   单元（cell）：行健、列族和列限定符一起确定一个单元，存储在单元中的数据称为单元值（value），值也没有数据类型，视为字节数组byte[]

   时间版本（version）：单元值有时间版本。时间版本用时间戳标示，是一个long型。没有指定时间版本时，使用当前时间戳作为操作的基础。hbase保留单元值时间版本的数量基于列族进行配置。默认值是3个

上述六个概念构成hbase的基础。用户最终看到的是通过API展示的上述6个基本概念的逻辑视图，他们是对hbase物理存放在硬盘上数据进行管理的基石。

2 数据坐标

hbase中每个数据值使用坐标来访问，一个值得完整坐标包括行健、列族、列限定符和时间版本。在逻辑视图中时间版本的数字也是坐标之一，因此hbase表中存储数据使用的四维坐标系统。坐标图如下：

3 数据的物理模型

每个列族在硬盘上有自己的HFile集合，这种物理上隔离的允许在列族底层Hfile层面上分别进行管理。hbase的记录按照键值对存储在HFile中，因此在hbase中的一行在HFile中用多行存储，同时一行中一个列族的数据并不要求存储在同一个HFile中。唯一的要求是一行中列族的数据需要物理存储在一起。下图是用于两个列族的存储实例图：

4 客户端编程

操作hbase数据库可以使用多种客户端，主要有Hbase shell脚本，jRuby，REST，Thrift和java api。由于hbase是使用java语言编写的，所以这里只介绍java API编程

建立一个表，比如打开users表的连接代码如下：

HtableInterface userTable=new HTable("users");

住：由于在hbase中对客户端编程以讲的很简练，这里也不在做总结，吧书中内容拍了照片，方便以后复习。