bigtable设计浅析和疑问

bigtable 为google开发的大型分布式表格系统，为最早期的模型设计。作为一种了解大数据存储和访问的指引了解大数据处理的逻辑。

简述其基本构架图示如下：

chubby  ：可以理解为控制中心。及所有访问机械如客户端接入

根表       ：bigtable数据检索区。第一级缓冲索引区

元数据表：二级缓冲索引区

实体数据表：为实际存储数值的表区域

可以这么假设理解：bigtable部署在100台机器上的分布式缓存数据库。

寻找 com.cnn.www域页面信息。通过chubby访问根表确定域信息所在机器集群（假设100台机器划分10台为一个存储集群）。进入存取机器集群，以元数据表索引区确定数据存储机器或者实体表。

这里采用了二层缓冲协议细分数据存储区域（为什么不是一层呢？数据量级的问题）

对实体表数据存储的逻辑：

拿一个网上图表示例如下

这里有几点疑问：1.表是以行为唯一关键字索引，访问及修改以行为原子单位。

                           2.一行包含多个列，并且列标志相同的列将压缩为一个列族。列族为访问数据的最小控制单元

                                  以上图解释anchor:cnnsi.com和anchor:my.look.ca具有相同的列标志anchor，压缩为同一个列族

                            问题是：bigtable以行关键字com.cnn.www作为全局排序索引。搜索索引访问行，并为确定最终访问单元访问列族。

                        1）列族信息是怎么存储？

                        2）行为原子单位访问。即对行访问存在锁操作，这个所在哪设置？怎么设置？不可能存在每一个行数据对应一个所设置。共享锁，如何确定不同访问访问行信息拿到相同的锁？

数据访问假设：

            行信息中包含多个列族。列族以连续存储区间绑定在行关键字结构单元中。

            并且列族单元亦以连续空间保存期列信息

            那么数据访问可以理解为。在全局有序排序中搜索行信息，在确定行单元信息地址可直接访问列族信息直接访问最终目标数据。

            另：行信息或者列族中对最终数据的访问应该是地址访问（因为存储副本及空间损耗的原因），那么数据块应该有多个不同行或者列族指向的信息，也就是计数器。计数器的怎么设计，数据怎么维持有效？

锁的假设：