Hbase最核心但也是最難理解的就是資料模型，由于與傳統的關系型資料庫不同，雖然Hbase也有表（Table），也有行（Row）和列（Column），但是與關系型資料庫不同的是Hbase有一個列族（Column Family）的概念，它將一列或者多列組織在一起，HBase必須屬于某一個列族，
行和列交叉點稱為單元格（Cell），單元格時版本化的，單元格的內容，也就是列的值是不可分割的位元組陣列，
HBase沒有資料型別，任何列值都被轉換成位元組陣列進行存盤，
HBase表中的行是通過行鍵（Rowkey）進行區分的，行鍵也是用來唯一確定一行的標識，
HBase中的行按Rowkey排序，排序方式采用字典順序，
這些都是HBase的邏輯結果，他的物理結構也和傳統關系型資料庫有很大不同，
邏輯模型
HBase的邏輯模型源自Google的BigTable模型，可以理解為一個稀疏的，長期存盤的，多維度的和排序的映射表，
以下示例是 BigTable 論文第 2 頁上的一個略微修改的形式，有一個名為webtable的表包含兩行（com.cnn.www和com.example.www）和三個列族，名為contents，anchor和people，
在此示例中，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），此示例包含具有行鍵com.cnn.www的行的 5 個版本，以及具有行鍵com.example.www的行的一個版本， contents:html列限定符包含給定網站的整個HTML， anchor列族的限定符每個都包含指向該行所代表的站點的外部站點的鏈接，以及它在其鏈接的anchor中使用的文本， people列系串列示與該站點關聯的人員，
此表中看起來為空的單元格在 HBase 中不占用空間，或實際上不存在，這就是HBase“稀疏”的原因，表格視圖不是查看 HBase 中資料的唯一方法，甚至也不是最準確的方法，以下表示與多維映射相同的資訊，這只是一個出于演示目的的模型，可能并不完全準確，
{
"com.cnn.www": {
contents: {
t6: contents:html: "<html>..."
t5: contents:html: "<html>..."
t3: contents:html: "<html>..."
}
anchor: {
t9: anchor:cnnsi.com = "CNN"
t8: anchor:my.look.ca = "CNN.com"
}
people: {}
}
"com.example.www": {
contents: {
t5: contents:html: "<html>..."
}
anchor: {}
people: {
t5: people:author: "John Doe"
}
}
}
物理模型
雖然Hbase表可以看作一組稀疏的行，但在物理意義上它們是按照列族存盤的，所以列是可以隨時添加的，
Hbase是面向列的，存放行的不同列的物理檔案，一個列族存放在多個HFile中，最重要的是一個列族的資料會被同一個Region管理，
空單元格不占據物理存盤空間，因此，在時間戳t8處對contents:html列的值的請求將不回傳任何值，類似地，在時間戳t9處對anchor:my.look.ca值的請求將不回傳任何值，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，最新版本也是第一個版本，因為時間戳按降序存盤，因此，如果沒有指定時間戳，則對行com.cnn.www中所有列的值的請求將是：來自時間戳t6的contents:html的值，來自時間戳t9的anchor:cnnsi.com的值，來自時間戳t8的anchor:my.look.ca，
資料模型操作
四個主要的資料模型操作是 Get，Put，Scan 和 Delete，通過實體化Table進行操作，
版本問題： Rowkey、Column（列族和列）、Version組合在一起稱為Hbase中的一個單元格，
Rowkey和Column的值是用位元組陣串列示的，Version則是用一個長整型表示的，
Get
操作回傳指定行的屬性，Get是在Scan基礎上實作的，在默認情況下，如果沒有指定版本，一旦使用Get操作，會回傳最近版本的Cell，
要回傳多個版本，需要設定Get.setMaxVersions（）
要回傳最新版本以外的其他版本，請參見 Get.setTimeRange（）
默認版本Get示例
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Get get = new Get(Bytes.toBytes("row1"));
Result r = table.get(get);
byte[] b = r.getValue(CF, ATTR); // returns current version of value
給定版本的Get示例
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Get get = new Get(Bytes.toBytes("row1"));
get.setMaxVersions(3); // will return last 3 versions of row
Result r = table.get(get);
byte[] b = r.getValue(CF, ATTR); // returns current version of value
List<KeyValue> kv = r.getColumn(CF, ATTR); // returns all versions of this column
PUT
執行 put 總是在某個時間戳創建cell的新版本，默認情況下，系統使用服務器的currentTimeMillis，但您可以在針對每一列指定版本（=長整數），這意味著您可以在過去或將來指定時間，或者將long值用于非時間目的，
隱式版本示例
HBase 將使用當前時間隱式地對以下 Put 進行版本控制，
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Put put = new Put(Bytes.toBytes(row));
put.add(CF, ATTR, Bytes.toBytes( data));
table.put(put);
顯式版本示例
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Put put = new Put( Bytes.toBytes(row));
long explicitTimeInMs = 555; // just an example
put.add(CF, ATTR, explicitTimeInMs, Bytes.toBytes(data));
table.put(put);
DELETE
洗掉通過 Table.delete]執行，
有三種不同型別的內部洗掉標記，
- 洗掉：對于特定版本的列，
- 洗掉列：適用于列的所有版本，
- 洗掉系列：適用于特定 ColumnFamily 的所有列
SCAN
掃描表
下面是對表進行掃描的示例，假設一個表填充了具有鍵“row1”，“row2”，“row3”的行，然后另一組是具有鍵“abc1”，“abc2”和“abc3”的行，以下示例將展示如何設定 Scan 實體以回傳以“row”開頭的行，
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Table table = ... // instantiate a Table instance
Scan scan = new Scan();
scan.addColumn(CF, ATTR);
scan.setRowPrefixFilter(Bytes.toBytes("row"));
ResultScanner rs = table.getScanner(scan);
try {
for (Result r = rs.next(); r != null; r = rs.next()) {
// process result...
}
} finally {
rs.close(); // always close the ResultScanner!
}
更多實時計算，Hbase，Flink，Kafka等相關技術博文，歡迎關注實時流式計算
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/50643.html
標籤：大數據
上一篇：MapReduce之Job提交流程原始碼和切片原始碼分析
下一篇：zookeeper特性與節點說明