HBase表结构

HBase是非关系型数据库，是高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。

HBase使用场景

• 大规模数据存储：如日志记录、数据库备份等。
• 实时数据访问：如实时搜索、实时分析等。
• 高性能读写：如高并发、低延迟的读写操作。

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。

表结构

hbase在表中组织数据。表名是字符串和字符的组合，可以在文件系统路径中使用

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：

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）

行键RowKey：

在表中数据依赖于行来存储，行通过行键来区分。行键没有数据类型，通常是一个字节数组

• 行键，类似mysql中的主键，Table中的记录按照Row Key排序，行键是表结构的一部分；
• 由于Hbase只支持3中查询方式：

1. 基于Rowkey的单行查询
2. 基于Rowkey的范围扫描
3. 全表扫描

• 因此，Rowkey对Hbase的性能影响非常大，Rowkey的设计就显得尤为的重要。
• rowkey 行键可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，最好是 16。
• 在 HBase 内部，rowkey 保存为字节数组。
• rowkey是行的唯一标识，相同行键的数据属于同一行
• HBase 会对表中的数据按照 rowkey 升序排序 (字典顺序)

列族/列簇ColumnFamily

列族是一些列的集合，一个列族所有成员都有同样的前缀

行中的数据通过列族来组织。列族也暗示了数据的物理排列。所以列族必须预先定义，并且不容易被修改。每行都拥有相同的列族，可能有些行的数据为空。列族是字符串和字符的组合，可以在文件系统路径中使用

列族必须在表建立的时候声明，列则不需要特别声明，用户随时可以创建新列。

• Hbase通过列族划分数据的存储，列族下面可以包含任意多的列，实现灵活的数据存取。就像是家族的概念，我们知道一个家族是由于很多个的家庭组成的。列族也类似，列族是由一个一个的列组成（任意多）。
• Hbase表的创建的时候就必须指定列族。就像关系型数据库创建的时候必须指定具体的列是一样的。
• Hbase的列族不是越多越好，列族越多，在取一行数据需要参与IO、搜寻的文件就越多；官方推荐的是列族最好小于或者等于3。我们使用的场景一般是1个列族。
• 一个列族会储存一个物理文件；
• 通常将具有相同IO（读写）属性的列放在同一个列族下，IO属性即经常在一起查询的字段，由具体的实际业务中决定；

列Column

• 列为每一行的列名和对应的值；可以理解为mysql的列；
• 一个列族包含一个或多个列；列族是表结构的一部分，而列不是；
• 定位一个列，必须指定列族；
• 列名都以列族作为前缀，如：courses：history，courses：math；都属于courses这个列族；

单元格cell

• HBase 中通过 rowkey 和 columns 确定的为一个存储单元称为 cell；
• 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。
• 由{rowkey, column( = + ), version} 唯一确定的单元。 Cell 中的数据是没有类型的，全部是字节码形式存贮。

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