大数据Hbase学习总结

一、1、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）。

2、HBase数据模型

2.1 rowkey
决定一行数据
按照字典顺序排序
Row key只能存储64k的字节数据

2.2 column family - cf - 列族 及 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’, ‘cf1’；
列名以列族作为前缀，每个“列族”都可以有多个列成员/qualifier；如course:math, course:english, 新的列族成员/列成员可以随后按需、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;

2.3 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。

2.4 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。
ce