HBase ：HBase表结构及数据模型的理解

浅浅的花香味﹌ 2022-10-02 10:50 220阅读 0赞

## HBase适用场景 ##

首先在搞HBase之前我们要对其建立感性认识，其适用场景如下：

*  并发、简单、随机查询。  
    （注：HBase不太擅长复杂join查询，但可以通过**二级索引**即**全局索引**的方式来优化性能，后续博文会进行讲解）
 *  半结构化、非结构化数据存储。

**一般我们从数仓中离线统计分析海量数据，将得到的结果插入HBase中用于实时查询**。

## HBase表结构 ##

这里以一个公司员工表为案例来讲解，此表中包含员工基本信息（员工姓名、年龄），员工详细信息（工资、角色），以及时间戳。整体表结构如下：

![è¿éåå¾çæè¿°][70]

如上，**每一行有一个RowKey用于唯一地标识和定位行，各行数据按RowKey的字典序排列。其中ImployeeBasicInfoCLF和DetailInfoCLF是两个列族，列族下又有多个具体列**。（员工基本信息列族：姓名、年龄。详细信息列族：薪水、角色）

（注1：图中列族下面每一行中特定列中只画了最新版本的数据，实际上HBase最小存储单元为cell，图中每个单元格中其实有多个MVCC version版本的cell，Hbase的更新操作会带时间戳，对每个数据单元cell，可存取指定数量版本的cell，client端可以指定查询某时间点后的最新数据，也可以一次性得到cell的所有版本。）  
（注2：刚刚评论里有同学提到cell的概念，这里详细说一下，cell里可得道的信息包含: row、 column family、 column qualifier(列限定符)、timestamp、type6、MVCC version、value。其中每个cell 由 row、column family、column qualifier、timestamp,、and type唯一标识。

## HBase数据模型 ##

*  **命名空间**

命名空间是对表的逻辑分组，不同的命名空间类似于关系型数据库中的不同的Database数据库。利用命名空间，在多租户场景下可做到更好的资源和数据隔离。

*  **表**

**对应于关系型数据库中的一张张表**，HBase以“表”为单位组织数据，表由多行组成。

*  **行**

**行由一个RowKey和多个列族组成，一个行有一个RowKey**，用来唯一标示。

*  **列族**

**每一行由若干列族组成，每个列族下可包含多个列**，如上ImployeeBasicInfoCLF和DetailInfoCLF即是两个列族。列族是列共性的一些体现。注意：物理上，同一列族的数据存储在一起的。

*  **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。

*  **单元格**

**单元格由RowKey、列族、列限定符唯一定**位，**单元格之中存放一个值（Value）和一个版本号**。

*  **时间戳**

**单元格内不同版本的值按时间倒序排列，最新的数据排在最前面**

## HBase表特点 ##

*  数据规模大，单表可容纳数十亿行，上百万列。
 *  无模式，不像关系型数据库有严格的Scheme，每行可以有任意多的列，列可以动态增加，不同行可以有不同的列，列的类型没有限制。
 *  稀疏，值为空的列不占存储空间，表可以非常稀疏，但实际存储时，能进行压缩。
 *  面向列族，面向列族的存储和权限控制，支持列族独立查询。
 *  数据多版本，利用时间戳来标识版本
 *  数据无类型，所有数据以字节数据形式存储

原文：https://blog.csdn.net/whdxjbw/article/details/81101200

[70]: /images/20220112/e3286cee1f704f439deea128cfb3d2aa.png