详解HBase表的数据模型

HBase是运行在Hadoop集群上的一个数据库，与传统的数据库有严格的ACID（原子性、一致性、隔离性、持久性）要求不一样，HBase降低了这些要求从而获得更好的扩展性，它更适合存储一些非结构化和半结构化的数据。

下面给大家详细介绍HBase表的数据模型，内容如下所示：

表（Table）

HBase 中的数据以表的形式存储。同一个表中的数据通常是相关的，使用表主要是可以把某些列组织起来一起访问。表名作为 HDFS 存储路径的一部分来使用，在 HDFS 中可以看到每个表名都作为独立的目录结构。

HBase表的数据模型主要概念包括rowkey、Column Family、Column、cell、Timestamp。

1. rowkey行键

• table的主键，table中的记录==按照rowkey 的字典序进行排序==
• 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)

2. Column Family列族

• 被称为列族或列簇
• HBase表中的每个列，都归属与某个列族
• 列族是表的schema的一部分(而列不是)，即建表时至少指定一个列族
• 比如创建一张表，名为user，有两个列族，分别是userInfo和addressInfo，建表语句create 'user', 'userInfo', 'addressInfo'

3. Column列

• 列肯定是表的某一列族下的一个列，用列族名:列名表示，如userInfo列族下的name列，表示为userInfo:name
• 它属于某一个ColumnFamily,类似于我们mysql当中创建的具体的列

4. cell单元格

• 知道row key行键、列族、列，可以确定的一个cell单元格

• cell中的数据是没有类型的，全部是以字节数组进行存储

5. Timestamp时间戳

• 可以对表中的Cell多次赋值，每次赋值操作时的时间戳timestamp，可看成Cell值的版本号version number
• 即一个Cell可以有多个版本的值

理解数据模型各概念的图

上表展示的是 HBase 中的用户信息表 user，有三行记录和两个列族（不考虑空白的列族，代表可以有很多列族），行键分别为 1、2 和 3，两个列族分别为 userInfo 和 addressInfo，每个列族中含有若干列，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，列不是固定的表结构，在创建表时，不需要预先定义列名，可以在插入数据时临时创建。

从表的逻辑模型来看，HBase 表与关系型数据库中的表结构之间好像没什么差别，只不过多了列族的概念。但实际上是有很大差别的，关系型数据库中表的结构需要预先定义，如：列名及其数据类型和值域等内容。

当需要添加新列，则需要修改表结构，这会对已有的数据产生很大影响。同时，关系型数据库中的表为每个列预留了存储空间，即表中的空白 Cell 数据在关系型数据库中以“NULL”值占用存储空间。因此，对稀疏数据来说，关系型数据库表中就会产生很多“NULL”值，消耗大量的存储空间。

与面向行存储的关系型数据库不同，HBase 是面向列存储的，且在实际的物理存储中，列族是分开存储的，即表中的用户信息表将被存储为 userInfo 和 addressInfo 两个部分。

同时HBase存在时间戳，可以多次对一个cell赋值，可以存储多个版本的值，如上表中rowkey为1的数据存储了2个时间版本的数据。