数据模型
数据模型
在HBase中，数据存储在具有行和列的表中。这与关系数据库（RDBMS）的术语相似，但是更恰当的方式是将HBase表视为一种多维映射。
相关术语
-
命名空间（Namespace）
命名空间是一组表（Table）的集合，类似于关系型数据库中的Database概念。这一概念有助于多租户场景下的数据和资源的隔离。
-
表（Table）
一张HBase表由许多行（row）数据组成。
-
行（Row）
一行数据由一个行键（row key）以及一个或多个值（value）构成。在存储数据时，行按照行键的字母序排列。因此，行键的设计非常重要：相关的行最好能够被分配到相近的位置。一个常见的例子是网站地址。如果你的行键设置成网站地址，那么你应当将网站地址逆序存储（例如org.apache.www, org.apache.mail等）。这种行键设计能够将同属于apache.org的网址存放在相近的位置。
-
列（Column）
一列数据由一个列族（column family）以及一个列标识符（column qualifier）组成；二者通常由一个:符号相连（例如column_family:column_qualifier），表示一列数据。
-
列族（Column Family）
列族表示物理上存储在一起的一组列（column）和他们的值。这么做的原因通常是性能。每个列族中都有一组存储属性，例如其是否该换存在内存中，其数据如何压缩存储，或是其行键的编码的方式为何，等等。一张表格中的每行都拥有相同的列族，但是某一行也许只会在一些列族上存储内容，而另一些列族上为空。
-
列标识符（Column Qualifier）
列标识符与列族一起指定了一列数据。尽管创建表时列族的数量与名称就固定了，但是列标识符可以动态增加或删除。即使在同一个列族中，行与行之间也可能拥有不同的列标识符。
-
单元格（Cell）
一个单元格指一个由 <(行，列族，列标识符) => (时间戳，值)> 构成的数据结构。一个单元格可以有多个版本的值，由时间戳区分。
-
时间戳（Timestamp）
每个值都带有一个时间戳，指代某个某个特定版本。默认情况下，时间戳指的是当数据写入某个RegionServer时RegionServer上的本地时间，但是用户也可以在写入数据时指定时间戳。
概念视图
本示例表格由BigTable论文第二页中的示例修改得到。
| 行键 | 时间戳 | 列族 contents | 列族 anchor | 列族 people |
|---|---|---|---|---|
| "com.cnn.www" | t9 | anchor:cnnsi.com = "CNN" | ||
| "com.cnn.www" | t8 | anchor:my.look.ca = "CNN.com" | ||
| "com.cnn.www" | t6 | contents:html = "<html>…" | ||
| "com.cnn.www" | t5 | contents:html = "<html>…" | ||
| "com.cnn.www" | t3 | contents:html = "<html>…" | ||
| "com.example.www" | t5 | contents:html = "<html>…" | people:author = "John Doe" |
需要注意的是，表格中的空白代表该行在这个列族上没有数据。需要注意的是，表格中的空格在HBase中不占用空间，实际上也并不存在。下面这个json代表了与表格相同的信息。
注意：这个json只是作为示例使用，他并不是严格意义上绝对准确的。
{
"com.cnn.www": {
contents: {
t6: contents:html: "<html>..."
t5: contents:html: "<html>..."
t3: contents:html: "<html>..."
}
anchor: {
t9: anchor:cnnsi.com = "CNN"
t8: anchor:my.look.ca = "CNN.com"
}
people: {}
}
"com.example.www": {
contents: {
t5: contents:html: "<html>..."
}
anchor: {}
people: {
t5: people:author: "John Doe"
}
}
}物理视图
尽管在概念视图的示例中，HBase中的数据看起来以行为单位存储，但是实际上他们按照列族存储。一个新的列标识符可以随时被加入已经存在的列族存储中。
| 行键 | 时间戳 | 列族 anchor |
|---|---|---|
| "com.cnn.www" | t9 | anchor:cnnsi.com = "CNN" |
| "com.cnn.www" | t8 | anchor:my.look.ca = "CNN.com" |
如上表所示，没有值的空白单元格完全没有被存储，自然也不占用物理存储空间。对这些空白单元格的查询不会返回任何值。但是，如果用户在查询时不提供时间戳，HBase会返回特定列的最新值。在HBase中，同一单元格的不同版本数据按照时间戳降序排列，因此HBase只需要返回第一个找到的值即可。
数据模型操作
HBase共有四个常用的数据模型操作，分别为Get、Put、Scan和Delete。这些操作的操作对象都是一张表。
Get
获取特定行的一些值。
Put
在表中插入新行（如果行不存在）或者更新行中的某些值（如果行存在）。
Scan
使用迭代器（iterator）访问一些行。
Delete
从表中删除特定行。
数据排列顺序
对于所有的数据模型操作，HBase都会按照一个特定顺序返回数据。数据会首先按行排列，随后按列族排列，接着按列标识符排列，最后按时间戳降序排列。
列元数据
在列族之外，HBase并不会在某些地方存储列的元数据（如列标识符等）。因此，HBase可以支持列标识符的动态修改，以及支持同一列族中拥有大量不同的列标识符。用户需要自己妥善处理并保管列族中的列标识符，保证其符合用户预期。如果用户不慎遗失了列元数据，那么重新获得该数据的方式只有scan整个列族并重新构建元数据。
Join
HBase不支持，或者说不像RDBMS那样支持Join操作。如同数据模型操作中所提到的，HBase支持两种读操作：Get和Scan。
但是这不意味着用户无法实现Join操作。事实上，用户可以使用四种常用数据模型操作手动实现定制化的Join操作。
ACID
ACID，即原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）与持久性（Durability）。关于HBase的ACID特性，请参考Lars Hofhansl的ACID in HBase。
如果您想知道更多关于HBase数据模型的详细内容，请参阅HBase官方文档。