1、HBse表结构

HBase 是面向列的数据库。有别于RDBMS（行式数据库），HBase将原来每一列中的数据放到一起进行存储。

RDBMS表结构（行式）：

RDBMS中，每个行都是不可分割的，也就是说三个列username、age、sex 必须在一起，而且要
被存储在同一台机器上，甚至是同一个文件里面。

HBase 表结构（列式）：

可以看到， RowKey 中 rk_id 这一行存储的，其实就是上一张表中对应的 id 这一列中的所有数据。也就是说，把第一张表每一列的数据值分别放到一起存储，就得到了这张表的表结构。
显然，在HBase中，每个行都是离散的。

这就是面向列的存储。

这种结构的好处是什么呢？

假如我们现在用的是关系型数据库RDBMS，我们要去存一个数据，这时候先要建立表结构，可能还要引入相关的索引，多表之间很有可能存在关联，如果当数据量比较大的时候，这时候查询上基本是很慢的。

而列式存储，每一列都是单独存放的，而且每一列的数据类型基本上是统一的（这是当然的，你能说 username 中含有 sex 属性的数据值吗？），这样的话，当你的表字段很多的时候，甚至可以把其中几个字段放在集群的一部分机器上，而另外几个字段放到另外一部分机器上，充分分散了负载压力。

2、HBase 与 HDFS 的关系

• HBase 的存储是基于 Hadoop 的。Hadoop 实现了一个分布式文件系统 HDFS，HDFS 有高容错性的特点，并且提供高吞吐量以访问应用程序的数据，非常适合有超大数据集的数据。基于 Hadoop 意味着 HBase 能拥有同样强大的扩展性和吞吐量。
• HBase 提供对数据的随即实时 读 / 写 访问能力。
• HBase 内部使用哈希表，并存储索引，可将在 HDFS 文件中的数据进行快速查找。

3、HBase 使用选择

当

• 主要需求是数据分析，比如做报表（数据分析是HBase的弱项）
• 单表数据量不超过千万
• 有 join，多级索引，表关系复杂的数据模型时

不要使用HBase，使用MySQL之类已足够（对于HBase或是其他 NoSql 来说，基本上都是不支持表关联的)

当

• 瞬间写入量很大，单表数据量超千万，且并发很高
• 数据需要长久保存，且量会持久增长到比较大的场景
• HBase 不适用与有 join，多级索引，表关系复杂的数据模型

可以考虑使用 HBase。

4、HBase 数据存储模型

4.1 CAP 定理

• Consistency（一致性）：所有节点在同一时间具有相同的数据
• Availability（可用性）：保证每个请求不管成功或者失败都有响应，但不保证获取的数据为正确的数据
• Partition tolerance（分区容错性）：系统中个任意信息的丢失或失败不会影响系统的继续运作，系统如果不能再某一个时限内达成数据一致性，就必须在上面两个操作之间做出选择

对于分布式数据系统，分区容错是其最基本的要求，否则就无所谓“分布式”了，因此只能在一致性和可用性上做取舍。大多数情况下，都是牺牲一致性来换取可用性。

4.2 ACID

数据库事物正确执行有四个基本要素：

• 原子性：一个事物要么全部执行，要么全部不执行，如果执行过程中发生了错误，系统就会回滚到最初的状态
• 一致性：事物的运行不会改变数据库中数据的完整性。比如有 3 个银行账户，它们的总额加起来是 600 rmb，不同的账户之间同时发生多个转账，无论有多少个并发，即使发生宕机故障了，转完后，总额加起来依然会是 600 rmb。
• 隔离性：两个以上的事物在执行的过程中，不会出现交错执行的状态（这样可能会导致数据的不一致）
• 持久性：事物执行成功后，该事物对数据库的更改会持久的保存到数据库当中

HBase 作为一个 NoSql 数据库，并不支持严格的 ACID，它只支持到单个的行。

4.3 数据模型

• NameSpace：命名空间
  • 相当于 RDBMS 的“数据库”。
  • 一个 namespace 包含一系列的表。
  • 当想把多个表分到一个组去统一管理的时候才会用到表命名空间。
  • 当数据库中没有那么多表的时候也用不到 namespace。
• Table：表。
  • 一个表由一个或者多个列族组成。
  • 由于 HBase 中的表最终映射成 HDFS 上的文件，表名必须是能用在文件路径里的合法名字。
• Row：行。
  • 每一行代表一个数据对象。
  • 每一行包含多个列，这些列通过列族来分类。
  • 每一行都是以一个行键（Row Key） 来进行唯一标识的，行键并没有什么特定的数据类型，以二进制的字节来存储。
  • RowKey 可以唯一标识一行记录，不可被改变。改变的唯一方式是删除这个 RowKey， 然后再插入。
  • 一行中的数据可以分布在不同的服务器上。

HBase 中的列由 列族（Column family） 和 列（Column qualifier） 组成

• Column Family：列族。
  • 列族是多个列的集合。建表时定义的不是列，而是列族。
  • HBase 会尽量把同一个列族的列放到同一个服务器上，这样可以提高存取性能，并且可以批量管理有关联的一堆列。
  • 在物理上，一个 Column Family 的成员（多个列）在文件系统上是存储在一起的，存储和优化都是针对 Column Family 级别的，这就意味着，一个 Column Family 的所有成员都是用相同的方式访问的。因此，在定义 HBase 表的时候需要提前设置好列族，表中所有的列都需要组织在列族里面。列族一旦确定后，就不能轻易更改，因为它会影响到 HBase 真实的物理存储结构。
• Column Qualifier：列（标识）。
  • 多个 Column Qualifier 组成一行。 Column Qualifier 可以随意定义。
  • 列族中的数据通过列标识来进行映射，可以理解为一个键值对， Column Qualifier 就是 Key。
  • 可以认为 Column Qualifier 就是具体的列名。
  • 列族和列经常用Column Family: Column Qualifier 来一起表示
• Cell：单元格
  • 一个列中可以存储多个版本的数据。而每个版本就称为一个单元格
  • 每一个行键，列族和列标识共同组成一个单元
• Timestamp：时间戳 / 版本号。
  • 默认 HBase 中数据插入时都会有一个 timestamp ，作为该值特定版本的标识符。
  • 读取数据时，如果时间戳没有被指定，则默认返回最新的数据；
  • 写入数据时，如果没有设置时间戳，默认使用当前的时间。
  • 每一个 列族 数据的版本都由 HBase 单独维护，默认的情况下，HBase 会保留 3 个 版本的数据
    
    

4.4 HBase 与 RDBMS 的区别