大数据入门：HBase数据模型详解

Hbase作为Hadoop生态当中的NOSQL数据库，基于HDFS去完成实际的数据存储任务，高性能是得到普遍的认可的。而Hbase在存储上的高性能，与自身的数据模型设计有很大的关系。今天的大数据入门分享，我们就来讲讲，Hbase数据模型的相关知识。

根据定义，我们知道Hbase是一个支持分布式的列式数据库，尤其是针对于大型数据的实时、随机的读写访问，Hbase能够提供很好的功能支持。

一、HBase的数据模型

Hbase的数据模型，我们需要从两个维度来理解，一是逻辑模型，二是物理模型。

逻辑模型

HBase来源于GoogleBigTable的开源，大部分特性和BigTable相同，可以理解为是一个稀疏的，长期存储的，多维度和排序的映射表，表中的每一行可以有不同的列。

HBase中最基本的单位是列，一列或者多列构成了行，行有行键（RowKey），每一行的RowKey都是唯一的，相同行键的put操作被认为是对该行的更新操作。

HBase的表有若干行，每行有很多列，列中的值有多个版本，每个版本的值称之为一个单元格，每个单元格存储的不同时刻该列的值。

物理模型

在逻辑上来说，HBase表是稀疏的行的集合，但是在物理上，HBase表是按列分开存储的。

按照列来划分列族（创建表的时候指定），存储每一行的不同列的物理文件，一个列族的数据存放在多个HFile中，一个列族的数据会被同一个region管理，物理上存放在一起。

二、HBase数据模型的核心概念

Namespace（表命名空间）：表命名空间不是强制的，默认是default。当想把多个表分到一个组去统一管理的时候才会用到表命名空间。

Table（表）：一个表由一个或者多个列族组成。它有一些数据属性，比如超时时间（TTL），压缩算法（COMPRESSION）等，都在列族的定义中定义。定义完列族后表是空的，只有添加了行，表才有数据。

Row（行）：一个行包含了多个列，这些列通过列族来分类。行中的数据所属列族只能从该表所定义的列族中选取，不能定义这个表中不存在的列族，否则你会得到一个NoSuchColumnFamilyException。

Column Family（列族）：列族是多个列的集合。HBase会尽量把同一个列族的列放到同一个服务器上，这样可以提高存取性能，并且可以批量管理有关联的一堆列。所有的数据属性都是定义在列族上。在HBase中，建表定义的不是列，而是列族。

Column Qualifier（列）：多个列组成一个行。列族和列经常用Column Family:Column Qualifier来一起表示。列是可以随意定义的，一个行中的列不限名字、不限数量，只限定列族。

Cell（单元格）：一个列中可以存储多个版本的数据，而每个版本就称为一个单元格（Cell），HBase中的数据细粒度比传统数据结构更细一级，同一个位置的数据还细分成多个版本。

Timestamp（时间戳/版本号）：既可以把它称为是时间戳，也可以称为是版本号，因为它是用来标定同一个列中多个单元格的版本号的。

关于大数据入门，HBase数据模型详解，以上就为大家做了详细的介绍了。Hbase的数据模型，是支持Hbase实现高性能数据存储的重要概念，要搞懂Hbase，需要对这些概念理解清楚透彻才行。