Hbase的数据模型

• 1. NameSpace
• 2. Table
• 3. RowKey
• 4. Column Family
• 5. Column Qualifier
• 6. Timestamp
• 7. Cell

定义：命名空间，他是指对一组表的逻辑分组，类似RDBMS中的数据库

作用：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。

命名空间可以管理维护，我们可以创建，删除或更改命名空间

两个特殊的命名空间：

• hbase：系统内建表，包含namespace和meta表
• default：用户建表时未指定namespace的表都创建在此

定义：行键，每一行的主键列

作用：是用来检索记录的主键，是一行数据的唯一标识

以什么形式保存？

• 在Hbase内部,rowKey保存为字节数组byte[]

存储时怎么排序？

• 数据按照RowKey的字典序(byte order)排序存储设计RowKey时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。来提高查询效率

行的一次读写是原子操作 (不论一次读写多少列)

定义：列族是每个子列的父级，每个子列都属于一个列族,一个列族包含一个或者多个相关列

创建表的时候需要指定列族，而列不需要必须指定。通过“列族名:列名”来表示某个具体的子列。

为了后期优化，一般一个表中的列族数不要超过3个

列隶属于列族，列族隶属于表

Hbase中的Schema就是 TableName + Column Family Name

将功能属性相近的列放在同一个列族，而且同一个列族中的列会存放在同一个Store中

定义：列簇的限定词，理解为列的唯一标识。但是列标识是可以改变的，因此每一行可能有不同的列标识使用要求：使用的时候必须 列族：列

列可以根据需求动态添加或者删除，同一个表中不同行的数据列都可以不同

定义：时间戳，版本号

类型：时间戳的类型是 64位整型

作用：通过rowkey和column family,column qualifier确定的一个存贮单元通过时间戳来索引。也就是说它可以做索引

每个cell都保存着同一份数据的多个版本。版本通过时间戳来索引

默认的配置：查询数据的时候，如果不指定版本数，默认显示版本号最新（高）的数据

每个cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面

时间戳的赋值方式

• 时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。
• 时间戳也可以由客户显式赋值。
• 所以如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳

为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。

• 一是保存数据的最后n个版本，
• 二是保存最近一段时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。

定义：存储单元

组成：Cell是由row，column family,column qualifier,version 组成的

类型：cell中的数据是没有类型的，全部是字节码形式存贮。

• 因为HDFS上的数据都是字节数组

默认

• 外观看到的每个单元格其实都对应着多个存储单元，默认情况下一个单元格对应着一个存储单元
• 一个存储单元可以存储一份数据，如果一个单元格有多个存储单元就表示一个单元格可以存储多个值

怎么设置存储单元的个数：可以通过version来设置存储单元个数

怎么确定唯一的单元：可以通过rowKey + columnFamily + column + timestamp来唯一确定一个存储单元

注意：hbase按照时间戳降序排列各时间版本，其他映射建按照升序排序。