HBase(02)——HBase数据模型

表结构

HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族(column family)。
HBase表由多行组成。

HBase中的一行由一个行键和一个或多个具有与之关联的值的列组成。
行存储时,行按字母顺序排序。因此,行键的设计非常重要。目标是以相关行彼此靠近的方式存储数据。常见的行键模式是网站域。如果您的行键是域,则应该反向存储它们(org.apache.www,org.apache.mail,org.apache.jira)。这样,所有Apache域都在表中彼此靠近,而不是基于子域的第一个字母展开。

Row Key

与nosql数据库们一样,row key是用来检索记录的主键。访问hbase table中的行,只有三种方式:
1 通过单个row key访问 (select * from t1 where id=1)
2 通过row key的range (select * from t1 where id<10 and id >1)
3 全表扫描 (select * from t1 )

Row key行键 (Row key)可以是任意字符串(最大长度是 64KB,实际应用中长度一般为 10-100bytes),在hbase内部,row key保存为字节数组。
Hbase会对表中的数据按照rowkey排序(字典顺序)
存储时,数据按照Row key的字典序(byte order)排序存储。设计key时,要充分排序存储这个特性,将经常一起读取的行存储放到一起。(位置相关性)
注意:
字典序对int排序的结果是
1,10,1001,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序,行键必须用0作右填充。
行的一次读写是原子操作 (不论一次读写多少列)。这个设计决策能够使用户很容易的理解程序在对同一个行进行并发更新操作时的行为。

HBase中的列由列族和列限定符组成,这些列由:(冒号)字符分隔。

列族

列族通常出于性能原因,物理地分配一组列及其值。
每个列族都有一组存储属性,例如是否应将其值缓存在内存中,如何压缩其数据或对其行键进行编码等。表中的每一行都具有相同的列族,但给定的行可能不会在给定的列族中存储任何内容。

hbase表中的每个列,都归属与某个列族。列族是表的schema的一部分(而列不是),必须在使用表之前定义。
列名都以列族作为前缀。例如courses:history , courses:math 都属于 courses 这个列族。
访问控制、磁盘和内存的使用统计都是在列族层面进行的。
列族越多,在取一行数据时所要参与IO、搜寻的文件就越多,所以,如果没有必要,不要设置太多的列族。一般设置2-3个比较合理。

列限定符

列限定符将添加到列族中,以便为给定的数据提供索引。给定列族content,列限定符可能是content:html,而另一个可能是content:pdf。虽然列族在创建表时是固定的,但列限定符是可变的,并且行之间可能有很大差异。

cell

HBase中通过row和columns确定的为一个存贮单元称为cell。
它是由{row key, column( = + ), version} 唯一确定的单元。
cell中的数据是没有类型的,全部是字节码形式存贮。

时间戳

时间戳与每个值一起写入,并且是给定版本的值的标识符。
默认情况下,timestamp表示写入数据时RegionServer上的时间,但是当您将数据放入单元格时,可以指定不同的时间戳值。
每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值,此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。每个 cell中,不同版本的数据按照时间倒序排序,即最新的数据排在最前面。

为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担,hbase提供了两种数据版本回收方式:
——保存数据的最后n个版本
——保存最近一段时间内的版本(设置数据的生命周期TTL)。

你可能感兴趣的:(HBase)