三、 数据模型概念

1 逻辑模型 

HBase 中最基本的单位是列，一列或者多列构成了行，行有行键（Rowkey），并且是唯一的。

HBase 中的一个表有若干行，每行有很多列，列中的值有多个版本，每个版本的值称为一个单元格，每个单元存储的是不同时刻该列的值。

 

HBase 可以理解为 Map 这种结构的无限嵌套版本。

 

 

2 物理模型

 

虽然在逻辑模型中，表可以被看成一个稀疏的行的集合。但在物理上，表示按列族分开存储的。

 

HBase 的列是按列族分组的，HFile是面向列的，存放行的不同列的物理文件，一个列族的数据存放在多个 HFile 中，最重要的是一个列族的数据会被同一个Regioin管理，物理上存放在一起。

 

Region 是管理 HFile 的一种机制。

 

HBase 的表被设计成可以不禁用表而随时加入新的列，因此可以将新列直接加入一个列族而无需声明。

 

 

 

3 数据模型的重要概念

 

表 

        在Hbase中数据以表的形式存储。表名作为HDFS存储路径的一部分来使用，因此必须要符合文件名规范，所以构成表名的字符是有限制的。可以直接查看底层存储系统，在HDFS中可以看到每个表的表名都作为独立的目录结构，在某些情况下，用户可能需要查看这部分信息。

因为一个列族将会单独产生一个HFile， 所以多列族其实是不可取的。  因为每次存/删数据时候  需要刷新两个HFile  远不如将列族定义在不同的表中。 尽可能靠相关联的列来扩大HBase表中的列。展现其性能。因此HBase中的表远远少于RDBMS的表。

 

    HBase创建表只需要指定 表名 和 至少一个列族。列族影响标的物理存储结构， 创建表后列族还可以更改，但是比较麻烦。 

HBase的表没有列定义，没有类型，这就是 HBase 被称为无模式数据库的原因。

    访问 HBase 不需要用户名和密码，没有 Schema。将hbase-site.xml 配置文件复制一份到自己的工程中，HBaseAPI会读取配置文件完成对 HBase 的连接。 创建连接是一项非常消耗资源的工作，HBase为我们提供一个连接池，可以更好的管理资源重用。

 

 

行键

        行键，即 Rowkey。 行键是按字典排序由低到高存储在表中的，以一个空的数组来标识表空间的起始或结尾。 

行键排序规则如下图， 数据按照二进制字节从左至右逐一对比形成最终的次序。

 

 

        在 HBase 中行键是唯一的索引，不过在新版本的 HBase 中考虑了对辅助索引的支持。 

        为了高效检索数据，应该仔细设计 Rowkey 以获得最高的查询性能： 首先 Rowkey 被冗余存储，所以长度不宜过长，过长的 Rowkey 将会占用大量的空间同事会降低检索效率;其次 Rowkey 应该是分布均匀，这样不会产生热点现象； 最后是 Rowkey 唯一原则，必须在设计上保证其唯一性。

 

 列族

    HBase 中的列族是一些列的集合。一个列族成员都有相同的 前缀 : 限定符 组成。  前缀（列族名必须由可打印的字符, 限定符则可以乱搞。可以由任意字节数组组成。）

    修改列族时候需要先停用表。应该讲经常一起查询的列放在一个列族中，合理划分列族将减少查询时加载到缓存的数据。

 

单元格

    HBase 中的单元格由行键、列族、列、时间戳唯一确定。单元格的内容是不可分割的字节数组。每个单元格都保存着一份数据的多个版本，不同时间版本的数据按照时间倒序排序，最新时间的数据排在最前面，时间戳是 64 位的整数， 可以由客户端在写入数据时赋值， 也可以由 RegionServer 自动赋值。

 

 

 

 

                                                                                                                                                                                rocky_24

 

 

 

 

 

 

 

 

 

 

来自为知笔记(Wiz)