Hbase基本表设计分析学习

最近需要学习hbase的使用，并设计一个简单的hbase的表，看了很多资料，看到了一篇很好的文章，在这里分享一下：http://blog.csdn.net/ymh198816/article/details/51244911

对一些感觉非常有用的注意点做了笔记，流程记录一下：
Hbase表设计需要注意的问题：

1. rowkey的结构该如何设置，而rowkey又该包含什么样的信息
2. 表中该有多少个列簇
3. 列簇中要存储什么样的数据
4. 每个列簇中存储多少列的数据
5. 列的名字是什么，因为在我们用API存入数据和查询数据时是需要这些信息的
6. 单元cell中应该存储什么样的信息。
7. 每个单元中存储多少个版本信息

要真实的考虑到这张表会出现什么样的读写场景，并且要考虑到hbase数据库的一些特性：

1. hbase中的索引是通过key来实现的
2. 在表中是通过rowkey的字典序来对一行行的数据进行排序的，表中的每一块区域的划分都是通过开始rowkey和结束rowkey来决定的。
3. 所有存储在hbase表中的数据都是二进制的字节，并没有数据类型。
4. 原子性只在行内保证（对该行的修改要么完全成功要么完全失败），hbase表中并没有多行事物。
5. 列簇在表创建之前就要定义好
6. 列簇中的子列名称可以在表完全创建完以后动态插入数据时添加。

注意：hbase是不支持事务处理的，列簇和子列的名称尽可能的短，每次返回数据都会返回列簇的名称，长的话会影响到I/O的性能

总结：

1. rowkey的设计是非常重要的环节，他的好坏直接影响程序和hbase交互的效率和数据存储的性能。
2. hbase的表结构比传统关系型数据库更灵活，能够存储任何的二进制数据在表中，而且无关数据类型。
3. 在相同的列族中所有的数据都具有相同的接入模式。
4. 主要是通过rowkey来建立索引。
5. 以纵向为主设计的表结构能够快速简单的获取数据，但牺牲了一定的原子性，而以横向扩张为主设计的表结构，也就是列簇中有很多列，能在行中保持一定的原子性。
6. Hbase不支持事务所以一定要在一次API的请求操作中获取到结果。
7. 对Rowkey的hash分化能获得固定长度的rowkey并使数据分布更均匀一些，而不是集中在一台服务器上，但是也牺牲了一定的数据排序和读取性能。
8. 可以利用列标识（子列名称）来存储数据。
9. 子列名称的长度和列簇名称的长度都会影响到I/O的读写性能和发送到客户端的数据量，所以他们的命名要够简洁。