HBASE基础

基本概念

• 命名空间（Name Spaces）
  • HBase 中的命名空间是表的逻辑分组，类似 RDBMS 中的数据库实例

  • 在 HBase 中有两个预定义的特殊命名空间：

    • hbase：系统命名空间，用于包含 HBase 内部表

    • default：没有显式指定命名空间的表将自动落入此命名空

• 表（Table）
  • 表主要是可以把某些列组织起来一起访问
  • 表名作为 HDFS 存储路径的一部分来使用，在 HDFS 中可以看到每个表名都作为独立的目录结构
• 行键（Row Key）
• 列族（Colunm Family）
  • 列族是一些列的集合，必须在使用表之前进行定义，每个列必须归属于某个列族，列族的名字必须是可显示的字符串，列族中所有列成员的列名都以列族名字作为前缀，例如，info:name, info:age 都属于 info 这个列族
• 列标识（Column Qualifier）
• 通常以 Column Family:Colunm Qualifier 来确定列族中的某列
• 单元格（Cell）
• 每一个行键、列族、列标识共同确定一个单元格，最小单元格还需要加上时间戳。单元格的内容也没有特定的数据类型，以二进制字节来存储。最小单元格可以用以下元组方式来进行访问：<RowKey,Column Family:Column Qualifier,Timestamp>
• 时间戳（Timestamp）

模型

• 逻辑模型

学生成绩表 Performance有四行记录和两个列族

行键分别为 0001、0002、0003 和 0004

两个列族分别为 StudentInfo 和 Grades

每个列族中含有若干列

表存储在 Region 中，列族存放在 Store 中

• 物理模型

StudentInfo 这个列族中 RowKey 为 0001 的数据的实际物理存储方式，列族的数据会从内存写到 StoreFile 中

0001 的 StudentInfo:Address 存储了两个版本的数据，通过时间戳（Timestamp）区分开来，最新的数据放在前面，在没有指定的情况下默认读取此最新版本的数据（dataman_road 而非 alibaba）。通过加上时间戳指定可读取旧版本的数据：<0001,StudentInfo:Address,1638502591507>