本文所述版本为HBase2.X
从HBase官方文档的说法，HBase是一个multi-dimensional map（多维表），BigTable论文中也称BigTable为"sparse,distributed, persistent multidimensional sorted map"，这个说法可以根据它的整个表设计来看。在HBase的表设计中，有Row，Column，Column Family，Column Qualifier，Cell，Timestamp。
- Row，HBase中的一行由行键和一列或多列与它们相关联的值组成。在每一行中有一个非常重要的概念叫做rowkey，它是依照顺序字母去排序的，这样的好处是它的scan操作可以得到很好的优化，带来的问题是，如果分布不均匀的化，在分布式的存储中，将会造成一块数据存储在同一个region，对于单节点压力过大的问题。所以通常对于rowkey的设计是使用例如SHA-1的散列算法作为开头，然后拼接实际的业务Id。
- Column，HBase中的列由列族和列限定符组成，它们由:（冒号）字符分隔。
- Column Family，在HBase中一个列簇的数据是存储在一起的，一个列簇下可以有多个列。在通常的设计中，一般不建议设计过多的列簇。这样做的目的是size较大的数据和小size的关键数据可以分列簇存储，在一些查询操作中可以做到高效。
- cell：单元格，由五元组（row, column, timestamp, type, value）组成的结构，代表该值的版本。
- Column Qualifier，一个columnfamily下可以设置任意多个qualifier，因此可以理解为HBase中的列可以动态增加，理论上甚至可以扩展到上百万列。比如
content:html,content:pdf，content为列簇，html和pdf为列名。 - timestamp，时间戳，每个cell在写入HBase的时候都会默认分配一个时间戳作为该cell的版本，当然，用户也可以在写入的时候自带时间戳。
视图
在说物理视图和逻辑视图之前，我们先说说两者之间的区别。
物理视图指反映当前系统的组织机构、输入输出、资源利用情况和日常数据处理过程的模型。
逻辑视图指在物理模型的基础上进行分析，区分出本质的和非本质的因素，去掉那些非本质的因素，特别是非本质的物理因素，从而形成反映系统本质的模型。
从HBase角度来讲，我们大体可以理解为逻辑视图是我们看待HBase整个表用存储结构整体的视图结构，物理视图则是其中的一些细节部分，以及逻辑视图没能表现出来的细节。
逻辑视图
从官网文档的一张图来看
逻辑视图webtable表
有一个名为webtable的表，其中包含两行（com.cnn.www和com.example.www）和三个列族，分别名为content，anchor和people。 在此示例中，对于第一行（com.cnn.www），列簇anchor包含两列（anchor：cssnsi.com，anchor：my.look.ca），列簇contents包含一列（contents：html）。 示例包含行键com.cnn.www的行的5个版本，以及行键com.example.www的行的一个版本。 content：html列限定符包含给定网站的整个HTML。 anchor列簇的列均包含链接到该行表示的站点的外部站点，以及在其链接的anchor中使用的文本。 people列簇代表与该站点关联的人员。
物理视图
ColumnFamily anchor
ColumnFamily contents
概念视图中显示的空单元格根本不存储。 因此，在时间戳记t8处对content：html列的值的请求将不返回任何值。但是，如果未提供时间戳，则将返回特定列的最新值。 给定多个版本时候，因为时间戳以降序存储，所以最新的也是找到的第一个版本。因此，如果未指定时间戳，则对com.cnn.www行中所有列的值的请求将是：来自时间戳t6的content：html的值，来自时间戳t9的anchor：cnnsi.com的值， 时间戳记t8中的anchor：my.look.ca。
Namespace
命名空间是表的逻辑分组，类似于关系数据库系统中的数据库。
Version
在HBase中版本是降序存储的，所以，如果不指定版本获取数据，将拿到最新版本。
版本的设计结构如下
hbase> alter ‘t1′, NAME => ‘f1′, VERSIONS => 5
Join
HBase不支持Join操作。
但是，这并不意味着不能进行联表查询，而意味着得自己去做。 两种主要策略是在写入HBase时对数据进行非规范化，也就是说把数据存储在一张表中。或者在应用执行中具有添加一个查找表，进行两个表的关联。
网友评论