在 HBase 中，資料存盤在有行和列的表中，這是與關系資料庫 (RDBMS) 的術語重疊，但這不是一個有用的類比，相反，將 HBase 表視為多維映射可能會對理解更有所幫助，
先來看下hbase表模型的專業術語
- table （表）：一個 HBase 表由多行組成，
- row(行)：HBase 中的一行由一個行鍵和一個或多個具有與其關聯的值的列組成，行在存盤時按行鍵的字母順序排序，為此，行鍵的設計非常重要，目標是以相關行彼此靠近的方式存盤資料，常見的行鍵模式是網站域，如果您的行鍵是域，您可能應該將它們反向存盤（org.apache.www、org.apache.mail、org.apache.jira），這樣，所有 Apache 域都在表中彼此靠近，而不是根據子域的第一個字母展開，
- column(列)：HBase 中的列由列族和列限定符組成，它們由
:（冒號）字符分隔，比如列contents:html由列族contents和限定符html組成 - Column Family （列族）：Apache HBase中的列被分組為列族，列族中的所有列成員具有相同的前綴，例如，courses:history和courses:math這兩個欄目都是courses欄目家族的成員，冒號字符(:)將列族與列族限定符分隔開來，列族前綴必須由可列印字符組成，列族必須在模式定義時預先宣告，而列不需要在模式定義時定義，但可以在表啟動和運行時動態更改，物理上，所有列家族成員都存盤在檔案系統上，因為調優和存盤規范是在列族級別進行的，所以建議所有列族成員具有相同的通用訪問模式和大小特征，
- Column Qualifier（列限定符）：列限定符被添加到列族中以提供給定資料的索引，給定一個列族
content，一個列限定符可能是content:html，另一個可能是content:pdf，盡管列族在表創建時是固定的，但列限定符是可變的，并且在行之間可能會有很大差異， - cell(單元格)：：一個{row, column, version}元組精確指定了HBase中的一個單元格cell，單元格內容是未解釋的二進制位元組，包含一個值和一個時間戳，它代表值的版本
- Timestamp（時間戳）：每個值旁邊都有一個時間戳，它是一個給定版本的值的識別符號，默認情況下，時間戳表示寫入資料時 RegionServer 上的時間，但您可以在將資料放入單元格時指定不同的時間戳值，
Hbase概念視圖與本質
假如有一個名為webtable的表，它包含兩行(com.cnn.www和com.example.www)和三個列族，分別是contents、anchor和people，
在這個例子中，對于第一行(com.cnn.www)， anchor包含兩列(anchor:cssnsi.com, anchor:my.look.ca)， contents包含一列(contents:html)，這個例子包含行鍵為com.cnn.www的5個版本，以及行鍵為com.example.www的一個版本，
表webtable
此表中看起來為空的單元格不占用空間，或者實際上存在于 HBase 中，這就是 HBase“稀疏”的原因，表格視圖不是查看 HBase 中資料的唯一可能方式，甚至不是最準確的方式，以下表示與多維map相同的資訊，但注意這只是用于說明Hbase模型，可能并不完全準確，
表webtable的 Hbase Map視圖
只是這里Hbase 使用的 Map 的主鍵更加復雜，是一個復合鍵由 row key行鍵 、column key列族(一個列族里可以在使用時任意添加拓展列，百萬列的級別) ，qualifier列（也稱限定符），type和 timestamp構成的KV鍵值對，
如上，其實我們發現每個鍵都指向一個包含3個鍵的映射：“contents”,“anchor”和“people”，這個我們稱之為列族，列族的定義設定其實也就定義了多維map的框架是什么樣，也就是第二層map的個數，我們又可以在第二層每個map里添加任意多個kv（map）鍵值對，是為列和列值，表的列族是在創建表時指定的，以后很難或不可能修改，添加新的列族也可能很昂貴，因此最好預先指定您需要的所有列族，
Hbase/BigTable 中表示的最后一個維度是時間，所有資料都使用整數時間戳（自紀元以來的秒數）或您選擇的另一個整數進行版本控制，客戶端可以在插入資料時指定時間戳，如上，同一個rowkey com.cnn.www 的contents：html的值就有多個時間版本，
Hbase實際的物理視圖
盡管在概念級別Hbase表可能被視為一組稀疏的行，但它們在物理上是按列族存盤的，可以隨時將新的列限定符 (column_family:column_qualifier) 添加到現有列族中，
如上圖所示，很好地闡述了hbase資料存盤結構，但尤其注意同一個rowkey多個時間戳，不同列族列缺失的情況，是如何存盤的，如下：
概念視圖中顯示的空單元格根本沒有存盤，稀疏的，因此，對contents:html時間戳列的值的請求t8將不回傳任何值，因為t8這個時間戳只有anchor列族有值，而content列族是缺失的，同樣，對anchor:my.look.ca時間戳值的請求t9不會回傳任何值，但是，如果未提供時間戳，則將回傳特定列的最新值，給定多個版本，最新的也是第一個找到的，因為時間戳是按降序存盤的，
注意，假如一個rowkey:com.cnn.www的請求未指定時間戳，則對行中所有列的值的請求結果將是：contents:html 的timestamp 為t6的值，anchor:cnnsi.com的則是 timestamp為t9的值、anchor:my.look.ca的timestamp為t8 的值，即回傳每個rowkey 列族的最新timestamp對應的cell值，
參考檔案：帶你學習不一樣的Hbase|概述|核心原理_滌生手記-CSDN博客_如何學習hbase
Understanding HBase and BigTable - DZone
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/302197.html
標籤：其他