詳解HBase表的數據模型

Posted on by

HBase是運行在Hadoop集群上的一個數據庫，與傳統的數據庫有嚴格的ACID（原子性、一致性、隔離性、持久性）要求不一樣，HBase降低瞭這些要求從而獲得更好的擴展性，它更適合存儲一些非結構化和半結構化的數據。

下面給大傢詳細介紹HBase表的數據模型，內容如下所示：

表（Table）

HBase 中的數據以表的形式存儲。同一個表中的數據通常是相關的，使用表主要是可以把某些列組織起來一起訪問。表名作為 HDFS 存儲路徑的一部分來使用，在 HDFS 中可以看到每個表名都作為獨立的目錄結構。

HBase表的數據模型主要概念包括rowkey、Column Family、Column、cell、Timestamp。

1. rowkey行鍵

  • table的主鍵，table中的記錄==按照rowkey 的字典序進行排序==
  • rowkey行鍵可以是任意字符串(最大長度是 64KB，實際應用中長度一般為 10-100bytes)

2. Column Family列族

  • 被稱為列族或列簇
  • HBase表中的每個列，都歸屬與某個列族
  • 列族是表的schema的一部分(而列不是)，即建表時至少指定一個列族
  • 比如創建一張表，名為user，有兩個列族，分別是userInfo和addressInfo，建表語句create 'user', 'userInfo', 'addressInfo'

3. Column列

  • 列肯定是表的某一列族下的一個列，用列族名:列名表示，如userInfo列族下的name列，表示為userInfo:name
  • 它屬於某一個ColumnFamily,類似於我們mysql當中創建的具體的列

4. cell單元格

  • 知道row key行鍵、列族、列，可以確定的一個cell單元格

  • cell中的數據是沒有類型的，全部是以字節數組進行存儲

5. Timestamp時間戳

  • 可以對表中的Cell多次賦值，每次賦值操作時的時間戳timestamp，可看成Cell值的版本號version number
  • 即一個Cell可以有多個版本的值

理解數據模型各概念的圖

上表展示的是 HBase 中的用戶信息表 user，有三行記錄和兩個列族（不考慮空白的列族，代表可以有很多列族），行鍵分別為 1、2 和 3，兩個列族分別為 userInfo 和 addressInfo，每個列族中含有若幹列，如列族 userInfo 包括 name、age、sex 3列，列族 addressInfo 包括 address、from、phone、email、ralary 5列。

在 HBase 中，列不是固定的表結構，在創建表時，不需要預先定義列名，可以在插入數據時臨時創建。

從表的邏輯模型來看，HBase 表與關系型數據庫中的表結構之間好像沒什麼差別，隻不過多瞭列族的概念。但實際上是有很大差別的，關系型數據庫中表的結構需要預先定義，如：列名及其數據類型和值域等內容。

當需要添加新列，則需要修改表結構，這會對已有的數據產生很大影響。同時，關系型數據庫中的表為每個列預留瞭存儲空間，即表中的空白 Cell 數據在關系型數據庫中以“NULL”值占用存儲空間。因此，對稀疏數據來說，關系型數據庫表中就會產生很多“NULL”值，消耗大量的存儲空間。

與面向行存儲的關系型數據庫不同，HBase 是面向列存儲的，且在實際的物理存儲中，列族是分開存儲的，即表中的用戶信息表將被存儲為 userInfo 和 addressInfo 兩個部分。

同時HBase存在時間戳，可以多次對一個cell賦值，可以存儲多個版本的值，如上表中rowkey為1的數據存儲瞭2個時間版本的數據。

到此這篇關於詳解HBase表的數據模型的文章就介紹到這瞭,更多相關HBase數據模型內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：