1.7　HBase的数据模型

HBase的数据模型主要包含以下几个重要概念。

·Name Space（命名空间）

·Region（区域）

·Column（列）

·Column Family（列族）

·Row（行）

·Time Stamp（时间戳）

·Cell（存储单元）

下面将逐一介绍这些概念以及它们在HBase中的意义。

1. Name Space

Name Space是指对一组表的逻辑分组（类似于关系数据库的数据库概念），以便于对表按业务进行划分。每个命名空间下可以有多个表。HBase从0.98.0、0.95.2两个版本开始支持命名空间级别的授权操作。HBase有两个自带的命名空间，分别是hbase和default，hbase命名空间中存放的是HBase内置的表，default命名空间中存放的是用户使用的默认命名空间的表。

2. Region

Region类似于关系数据库的表的概念。不同的是，HBase定义表时只需要声明列族即可，不需要声明具体的列。这意味着，向HBase写入数据时，字段可以动态、按需指定。因此，与关系数据库相比，HBase能更加轻松地应对字段需要变更的应用场合。

HBase中的表一般拥有一个到多个Region。当数据量不多时，一个Region足以存储所有数据。当数据量大时，HBase会拆分Region，并且当HBase在进行负载均衡时，也有可能会从一台RegionServer上把Region移动到另一台RegionServer上。

3. Column

HBase中基本的存储单位是列，一个列或者多个列形成一行。每个列都由列族和列限定符（Column Qualifier）进行限定，例如info:name、info:age。在创建表时，只需指定列族，而无须预先定义列限定符。一个行可以有三个列，而在另一个行中可以插入四个列的数据，也就是说，对于不同的行，列可以完全不一样。

4. Column Family

在HBase中可以插入不同的行数据，其中列族起到了非常重要的作用。在HBase中，一列或者多个列可以组成一个列族。用户在创建表时不需要指定列，因为列是可以改变的，需要指定的是列族。一个表有几个列族是一开始就指定好了的。列必须依赖列族而存在，一个没有列族的表是没有意义的。不过官方的建议是：一个表中不可有太多的列族，列族越少越好。在HBase中一个列的名称前面总是带着它所属的列族，列名称的规范格式为“列族：列名”，比如info1:age、info1:name、info2:age、info2:name。列族具有如下几个特点：

1）列族必须在创建表的时候定义。

2）给表指定好了列族之后无法再修改。

3）每个列族中的列数是没有限制的。

4）同一列族下的所有列会保存在一起。

5）列在列族中是有序的。

在实际应用中，列族的控制权限能帮助管理不同类型的应用，例如一些应用允许添加新的基本数据、一些应用只允许浏览数据。需要特别注意的是，如果表中包含两个列族，那么属于两个列族的文件保存在相同的节点上，每一列族都会保存在自己的文件集合中。在列族中检索某列是顺序进行的I/O操作。

5. Row

HBase表中每一行的数据都是由一个RowKey和多个Column组成，而且数据是按照RowKey的字典顺序进行存储的，查询数据时只能根据RowKey进行检索，由此可见RowKey的设计十分重要。图1-6所示是HBase数据存储结构。

图1-6　HBase数据存储结构

（1）RowKey简介

HBase是一个NoSQL数据库，它提供的主要操作就是增加、删除、修改、查询（简称增删改查）。在增删改查的过程中RowKey充当了主键的作用，它和众多的NoSQL数据库一样，可以唯一地标识一行记录。

RowKey可以是任意字符串，在HBase内部，RowKey保存为字节数组。存储时，数据按照RowKey的字典顺序存储。设计RowKey时，要充分利用排序存储这个特性，将经常一起读取的行存储到一起。

（2）RowKey的特点

RowKey具有如下几个特点：

1）RowKey类似于主键，可以唯一地标识一行记录。如果将数据插入HBase的时候不小心用了之前已经存在的RowKey，则系统会把之前存在的那一行数据更新掉，而之前已经存在的值并不会丢掉，会被放到这个单元格的历史记录里，如果需要查询这个“历史”值，只需要带上版本参数就可以找到。

2）由于数据按照RowKey的字典顺序存储，因此HBase中的数据永远都是有序的。

3）HBase在读写数据时需要通过RowKey找到对应的Region。在HBase中，一个Region就相当于一个数据分片，每个Region都有起始RowKey和结束RowKey，HBase表中的数据是按照RowKey来分散存储到不同Region中。所以在HBase中想要提高查询速度，就需要设计出优秀的RowKey，RowKey越完美，HBase的效率就越高。

6. Time Stamp

Time Stamp用于标识数据的不同版本号（Version），每条数据写入时，如果不指定时间戳，系统会自动为其添加该字段，该字段的值即为数据写入HBase的时间。

7. Cell

列是HBase的最基本单位，一个列上可以存储多个版本的值，多个版本的值被存储在多个Cell中，多个版本之间用版本号来区分。所以，确定一条数据查询结果的表达式是“行键：列族：列：版本号”（RowKey:Column Family:Column:Version）。但是，在大部分查询中，版本号是可以省略的，不写版本号，HBase会默认获取最后一个版本的数据。完整的HBase数据存储结构图如图1-7所示。

图1-7　HBase数据存储结构