Hbase基础

Hbase

谷歌—BigTable论文

海量存储、列式存储、极易扩展(RS/HDFS)、高并发、稀疏性(主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的)

​ 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

​ 快的原因：用户操作的是数据的标记，不是操作真正的数据，当数据后期的合并和拆分的时候才处理数据

一、HBASE数据模型

Row Key	Time Stamp	CF1	CF2	CF3
11248112	t6		CF2:q1=val1	CF3:q3=val3
11248112	t3
11248112	t2	CF1:q2=val2

RowKey

• RowKey：是Byte array，是表中每条记录的“主键”，方便快速查找，Rowkey的设计非常重要；

​ 决定一行数据

​ 按照字典顺序排序的。

​ Row key只能存储64k的字节数据

Column Family列族 & qualifier列

• Column Family：列族，拥有一个名称(string)，包含一个或者多个相关列；
• qualifier：属于某一个columnfamily，familyName:columnName，每条记录可动态添加

​ Tips：创建表的时候可以不给列，但是必须给列族

​ 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n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

• Version Number：类型为Long，默认值是系统时间戳，可由用户自定义；

​ Tips：时间戳可以理解为 是数据的版本号

​ 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，