聊聊HBase分布式数据库设计那些事 _HBase

数据模型传统的关系型数据库，一张表(table)由行(row)和列(column)组成。相对Hbase分布式数据库却有所差别，可以把Hbase中的表理解成不同维度Map的集合。包含以下主要概念。

table
hbase数据库中的表。
row
hbase数据库表中的行。一张表包含多行。每一行由row key和一个或多个column的值组成。row key按字母表顺序排序存储。在设计表的row key时，推荐按业务含义把相近的内容放到一起，这样可以有效地提高查询效率。比如：一张表的row key为domain(域名)时，对应row key值最好设计成域名的倒叙值(如：org.Apache.www, org.apache.mail, org.apache.jira)，hbase存储时就可以把相同根域名的值放到同一块存储区域中，查询起来更快。row key不宜设计过大，hbase中每个值都会保存相关keys (row key, family qualifier, and timestamp) 。

column
hbase数据库表中的列。列由列族(column family)和列修饰符(column qualifier)构成。两者通过':'符号分隔。

column family
框架性能方面的考虑，列族在物理上是多个列以及列中的相应值的集合。列族中还会存储一些基础的元数据，比如当前列族内容是否需要缓存在内存中，row key编码规则，数据压缩方式等。一张hbase表中的列族不宜过多，一般建议不超过3个，过多时在数据块压缩调整时会导致相互影响，从而影响性能。

column qualifier
列修饰符被加入到某个列族中，并在列族中提供索引关联列修饰符中的值。如：列族content中的html修饰符，表示content:html；另一个修饰符pdf，则表示content:pdf 。

cell
一个单元对应表中一行(row)中列族(column family)下某个列修饰符(column qualifier)的值，包含具体值和时间戳(timestamp)，其中时间戳用来标识当前值所属的版本(version) 。

timestamp
cell值被写入时，附带会写入相应的timestamp时间，作为该值的一个版本信息。timestamp默认取当前RegionServer服务机器上的时间，当然你也可以自行指定时间值。

概念视图上面数据模型介绍的概念通过以下表格可以帮助理解。

文章插图

将以上表格转换成json格式

文章插图

通过以上图示，可以了解：
一个row key具有多个版本的数据，不同版本通过不同的timestamp定义。
一个column family可以有多个column qualifier 。
row key下的column family可以为空。
一个row key多版本数据按版本号时间倒序排列。当查询条件不带版本号时，以倒叙顺序依次从上往下查找。如：rowkey="com.cnn.www"，列族=contents:html，返回值t6版本的值。
NOSQL特性hbase是一个nosql数据库，相较于RDBMS，它不支持传统关系型数据库的typed columns(列类型), secondary indexes(二级索引), triggers(触发器), and advanced query languages(高级查询语言)等特性。它的长处在数据存储，是真正意义上的分布式数据库。通过添加RegionServer机器，即可实现hbase的线性和模块化扩展。
Hbase具有以下特性：