HBase数据库结构、存储理解

HBase数据库的结构对于初学者来说一直是一个比较难理解的问题，我也一样。
最近做了HBase的项目，对HBase存储和结构的理解又有了新的提升。现在我可以理解HBase设计巧妙的地方，写一篇文章记录一下，希望对读者也有所帮助

你是一名大公司的数据管理员，你使用的是关系型数据库（下文以MySQL举例）存储公司的员工信息。最近公司新来了100名员工，你需要把公司员工的数据录入数据库中，可是拿到表格的时候你楞了一下，因为人事部门给你的表格似乎不太OK：原先的数据库中，老员工的信息只有（工号、姓名、入职年份、学历、工资、联系方式、职位）这7个列

但是新员工的表格中却多出了（年龄、住房补贴、实习经历、五险一金）4个列。

老板希望你给数据库加入这4个列，并将（老员工福利）这一信息加在老员工的个人信息上面。你需要在MySQL中增加这些列，并且有个非常头疼的问题，新员工不需要（老员工福利）这一信息，而老员工也似乎不需要（实习经历）这样的信息

你觉得可以用null去填充，但是对于老员工来说，实习经历就是没有用的一列；对新员工来说，老员工福利是需要时间才能有的列。并且如果以后老板还要加入新的列，你又要去添加，这是一个复杂繁琐的过程。

你很需要一种数据库，可以不受行列对应的限制；一行数据，你想让它有几列，它就有几列，你想加列的时候，你就加入，当你想删除的时候，你可以直接把该列删除却又不影响别的数据；你可以忽视结构化的表格设计。

那么这个时候，谷歌爸爸带着他提出的HBase来了：一个弱化了行列关系的数据库、一个可以进行高吞吐又慢的不明显的数据库、一个非关系型数据库、一个适合于非结构化数据存储的数据库。

如果你对这方面的知识还不够了解，建议先看一下我之前的文章，附上链接：HBase基础知识

我们先来看一下HBase存储下该表的结构

可以看到，每一条数据都是带着他的标签，我们再来看一下hbase shell中数据的样子

一个列族下面可以有很多个列名，一个表中可以有很多列族，当然列族越少越好，多了会影响效率。包括时间戳，如果有疑问的话可以阅读我之前写的文章HBase基础知识

这样对应到我们的表格就很容易理解了

到这里会有人问：行键去哪里了？

行键需要我们自己去确定，并且需要注意的是：行键是唯一的！

可能你的值会有重复，但行键不行，他就像一个人的身份证一样，不能出现重复，他决定了该条数据的唯一性。对应到这张表格来说，我们就应该选择工号作为我们的行键，因为工号一个人只有一个并且不会出现重复。

这样的话，当我需要插入数据，就不用考虑任何的行列对应，你有100列或是1列都不影响我的存储，因为我不需要考虑存入的数据行列是否匹配大环境，我自成一派。就像docker的容器一样，互不影响。只需要知道你的行键，我就能拿到你的所有数据，或者是知道你的值，返回该值所在的行。

---

这样的例子和解释应该可以帮助你更好的理解