HBase逻辑和物理存储结构

不念不忘少年蓝@ 2023-01-08 02:26 134阅读 0赞

### 目录 ###

*  HBase数据模型
 *   *  1. HBase逻辑结构
     *  2. HBase物理存储结构
     *  3. 数据模型(相关术语)
     *   *  1）Name Space
         *  2）Table
         *  3）Row
         *  4) RowKey
         *  5）Column Family
         *  6) Column Qualifier
         *  7）TimeStamp
         *  8）Cell
         *  9）Region

# HBase数据模型 #

> 逻辑上，HBase的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从HBase的底层物理存储结构（K-V）来看，HBase更像是一个multi-dimensional map。

## 1. HBase逻辑结构 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70]

## 2. HBase物理存储结构 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70 1]

## 3. 数据模型(相关术语) ##

### 1）Name Space ###

命名空间，类似于关系型数据库的database概念，每个命名空间下有多个表。HBase两个自带的命名空间，分别是hbase和default，hbase中存放的是HBase内置的表，default表是用户默认使用的命名空间。  
一个表可以自由选择是否有命名空间，如果创建表的时候加上了命名空间后，这个表名字以<Namespace>:<Table>作为区分！

### 2）Table ###

类似于关系型数据库的表概念。不同的是，HBase定义表时只需要声明列族即可，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，不需要声明具体的列。  
这意味着，往HBase写入数据时，字段可以动态、按需指定。因此，和关系型数据库相比，HBase能够轻松应对字段变更的场景。

### 3）Row ###

HBase表中的每行数据都由一个RowKey和多个Column（列）组成。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，否则报错NoSuchColumnFamilyException。

### 4) RowKey ###

Rowkey由用户指定的一串不重复的字符串定义，是一行的唯一标识！数据是按照RowKey的字典顺序存储的，并且查询数据时只能根据RowKey进行检索，所以RowKey的设计十分重要。  
如果使用了之前已经定义的RowKey，那么会将之前的数据更新掉！

### 5）Column Family ###

列族是多个列的集合。一个列族可以动态地灵活定义多个列。表的相关属性大部分都定义在列族上，同一个表里的不同列族可以有完全不同的属性配置，但是同一个列族内的所有列都会有相同的属性。  
列族存在的意义是HBase会把相同列族的列尽量放在同一台机器上，所以说，如果想让某几个列被放到一起，你就给他们定义相同的列族。  
官方建议一张表的列族定义的越少越好，列族太多会极大程度地降低数据库性能，且目前版本Hbase的架构，容易出BUG。

### 6) Column Qualifier ###

Hbase中的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。因此列必须依赖于列族存在！列的名称前必须带着其所属的列族！例如info：name，info：age。  
因为HBase中的列全部都是灵活的，可以随便定义的，因此创建表的时候并不需要指定列！列只有在你插入第一条数据的时候才会生成。其他行有没有当前行相同的列是不确定，只有在扫描数据的时候才能得知！

### 7）TimeStamp ###

用于标识数据的不同版本（version）。时间戳默认由系统指定，也可以由用户显式指定。  
在读取单元格的数据时，版本号可以省略，如果不指定，Hbase默认会获取最后一个版本的数据返回！

### 8）Cell ###

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）。  
Cell由\{rowkey, column Family：column Qualifier, time Stamp\}确定。  
Cell中的数据是没有类型的，全部是字节码形式存贮。  
![在这里插入图片描述][20210118183132403.png]

### 9）Region ###

Region由一个表的若干行组成！在Region中行的排序按照行键（rowkey）字典排序。  
Region不能跨RegionSever，且当数据量大的时候，HBase会拆分Region。  
Region由RegionServer进程管理。HBase在进行负载均衡的时候，一个Region有可能会从当前RegionServer移动到其他RegionServer上。  
Region是基于HDFS的，它的所有数据存取操作都是调用了HDFS的客户端接口来实现的。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70]: /images/20221119/d300b3c2f0bc4c22bbee126099269d32.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70 1]: /images/20221119/19a065ba07af4757820a9f2a5d1405cf.png
[20210118183132403.png]: /images/20221119/90bc65f25b794bbabebc67f19660c3a6.png