專欄：大數據核心原理與實踐

HBase適用場景

首先在搞HBase之前我們要對其建立感性認識，其適用場景如下：

• 并發、簡單、隨機查詢。
  （注：HBase不太擅長復雜join查詢，但可以通過二級索引即全局索引的方式來優化性能，后續博文會進行講解）
• 半結構化、非結構化數據存儲。

一般我們從數倉中離線統計分析海量數據，將得到的結果插入HBase中用于實時查詢。

HBase表結構

這里以一個公司員工表為案例來講解，此表中包含員工基本信息（員工姓名、年齡），員工詳細信息（工資、角色），以及時間戳。整體表結構如下：

如上，每一行有一個RowKey用于唯一地標識和定位行，各行數據按RowKey的字典序排列。其中ImployeeBasicInfoCLF和DetailInfoCLF是兩個列族，列族下又有多個具體列。（員工基本信息列族：姓名、年齡。詳細信息列族：薪水、角色）

（注1：圖中列族下面每一行中特定列中只畫了最新版本的數據，實際上HBase最小存儲單元為cell，圖中每個單元格中其實有多個MVCC version版本的cell，Hbase的更新操作會帶時間戳，對每個數據單元cell，可存取指定數量版本的cell，client端可以指定查詢某時間點后的最新數據，也可以一次性得到cell的所有版本。）
（注2：剛剛評論里有同學提到cell的概念，這里詳細說一下，cell里可得道的信息包含: row、 column family、 column qualifier(列限定符)、timestamp、type6、MVCC version、value。其中每個cell 由 row、column family、column qualifier、timestamp,、and type唯一標識。
HBase Cell 參考鏈接（Apache HBase API）

HBase數據模型

• 命名空間
  命名空間是對表的邏輯分組，不同的命名空間類似于關系型數據庫中的不同的Database數據庫。利用命名空間，在多租戶場景下可做到更好的資源和數據隔離。

• 表
  對應于關系型數據庫中的一張張表，HBase以“表”為單位組織數據，表由多行組成。

• 行
  行由一個RowKey和多個列族組成，一個行有一個RowKey，用來唯一標示。

• 列族
  每一行由若干列族組成，每個列族下可包含多個列，如上ImployeeBasicInfoCLF和DetailInfoCLF即是兩個列族。列族是列共性的一些體現。注意：物理上，同一列族的數據存儲在一起的。

• 列限定符
  列由列族和列限定符唯一指定，像如上的name、age即是ImployeeBasicInfoCLF列族的列限定符。

• 單元格
  單元格由RowKey、列族、列限定符唯一定位，單元格之中存放一個值（Value）和一個版本號。

• 時間戳
  單元格內不同版本的值按時間倒序排列，最新的數據排在最前面

HBase表特點

• 數據規模大，單表可容納數十億行，上百萬列。
• 無模式，不像關系型數據庫有嚴格的Scheme，每行可以有任意多的列，列可以動態增加，不同行可以有不同的列，列的類型沒有限制。
• 稀疏，值為空的列不占存儲空間，表可以非常稀疏，但實際存儲時，能進行壓縮。
• 面向列族，面向列族的存儲和權限控制，支持列族獨立查詢。
• 數據多版本，利用時間戳來標識版本
• 數據無類型，所有數據以字節數據形式存儲

這篇比較基礎，介紹了HBase的適用場景、表的形式、數據模型以及特點，主要是讓大家從感性上認識HBase。

總結

以上是生活随笔為你收集整理的HBase系列(一)：HBase表结构及数据模型的理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。