HBase——简介及数据模型（一）

Hadoop生态系统

非关系型数据库知识面扩展

• Cassandra hbase mongodb
• Couchdb，文件存储数据库
• Neo4j非关系型图数据库

HBase简介

• Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库
• 利用Hadoop HDFS作为其文件存储系统，利用Hadoop MapReduce来处理HBase中的海量数据，利用Zookeeper作为其分布式协同服务
• 主要用来存储非结构化和半结构化的松散数据（列存NoSQL数据库）

HBase数据模型

ROW KEY

• 决定一行数据
• 按字典顺序排序的
• Row Key只能存储64k的字节数据

Row Key 的设计一般加时间戳

Column Family列族 & qualifier列

• HBase表中的每个列都归属于某个列族，列族必须作为表模式（schema）定义的一部分预先给出。如create
  ‘test’，‘course’；
  列名以列族作为前缀，每个’列族’都可以有多个列成员（column）；如course:math，course:english，新的列族成员（列）可以随后按需、动态加入；
• 权限控制、存储以及调优都是在列族层面进行的；
• HBase把同一列族里面的数据存储在同一目录下，由几个文件保存
  Timestamp时间戳
• 在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。
• 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示赋值，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。

Cell单元格

• 由行和列的坐标交叉决定；
• 单元格是有版本的；
• 单元格的内容是未解析的字节数组；
  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。

HLog（WAL log）

• HLog文件就是一个普通的Hadoop SequenceFile，Sequence File的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括sequence number和timestamp，timestamp是“写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number
• HLog SequenceFile的Value是HBase的Key Value对象，即对应Hfile中的Key Value

下一节：HBase——架构设计（二）