1.7　HBase的數據模型

HBase的數據模型主要包含以下幾個重要概念。

·　Name Space（命名空間）。

·　Region（區域）。

·　Column（列）。

·　Column Family（列族）。

·　Row（行）。

·　Time Stamp（時間戳）。

·　Cell（存儲單元）。

下面將逐一介紹這些概念以及它們在HBase中的意義。

1．Name Space

Name Space是指對一組表的邏輯分組（類似于關系數據庫的數據庫概念），以便于對表按業務進行劃分。每個命名空間下可以有多個表。HBase從0.98.0、0.95.2兩個版本開始支持命名空間級別的授權操作。HBase有兩個自帶的命名空間，分別是hbase和default。hbase命名空間中存放的是HBase內置的表，default命名空間中存放的是用戶使用的默認命名空間的表。

2．Region

Region類似于關系數據庫的表的概念。不同的是，HBase定義表時只需要聲明列族即可，不需要聲明具體的列。這意味著，向HBase寫入數據時，字段可以動態、按需指定。因此，與關系數據庫相比，HBase能更加輕松地應對字段需要變更的應用場合。

HBase中的表一般擁有一個到多個Region。當數據量不多時，一個Region足以存儲所有數據。當數據量大時，HBase會拆分Region，并且當HBase在進行負載均衡時，也有可能會從一臺RegionServer上把Region移動到另一臺RegionServer上。

3．Column

HBase中基本的存儲單位是列，一列或者多列形成一行。每列都由列族和列限定符（Column Qualifier）進行限定，例如info:name、info:age。在創建表時，只需指定列族即可，而無須預先定義列限定符。一行可以有3列，而在另一行中可以插入4列數據，也就是說，對于不同的行，列可以完全不一樣。

4．Column Family

在HBase中可以插入不同的行數據，其中列族起到了非常重要的作用。在HBase中，一列或者多列可以組成一個列族。用戶在創建表時不需要指定列，因為列是可以改變的，需要指定的是列族。一個表有幾個列族是一開始就指定好了的。列必須依賴列族而存在，一個沒有列族的表是沒有意義的。不過官方的建議是：一個表中不可有太多的列族，列族越少越好。在HBase中一個列的名稱前面總是帶著它所屬的列族，列名稱的規范格式為“列族:列名”，比如info1:age、info1:name、info2:age、info2:name。列族具有如下幾個特點：

（1）列族必須在創建表的時候定義。

（2）給表指定了列族之后無法再修改。

（3）每個列族中的列數是沒有限制的。

（4）同一列族下的所有列會保存在一起。

（5）列在列族中是有序的。

在實際應用中，列族的控制權限能幫助管理不同類型的應用，例如一些應用允許添加新的基本數據，一些應用只允許瀏覽數據。需要特別注意的是，如果表中包含兩個列族，那么屬于兩個列族的文件保存在相同的節點上，每個列族都會保存在自己的文件集合中。在列族中檢索某列是順序進行的I/O操作。

5．Row

HBase表中每一行的數據都是由一個RowKey和多個Column組成的，而且數據是按照RowKey的字典順序進行存儲的，查詢數據時只能根據RowKey進行檢索，由此可見RowKey的設計十分重要。如圖1-6所示是HBase數據存儲結構。

1）RowKey簡介

HBase是一個NoSQL數據庫，它提供的主要操作是增加、刪除、修改、查詢（簡稱增、刪、改、查）。在增、刪、改、查的過程中，RowKey充當了主鍵的作用，它和眾多的NoSQL數據庫一樣，可以唯一地標識一行記錄。

RowKey可以是任意字符串，在HBase內部，RowKey保存為字節數組。存儲時，數據按照RowKey的字典順序存儲。設計RowKey時，要充分利用排序存儲這個特性，將經常一起讀取的行存儲到一起。

2）RowKey的特點

RowKey具有如下幾個特點：

（1）RowKey類似于主鍵，可以唯一地標識一行記錄。如果將數據插入HBase的時候不小心用了之前已經存在的RowKey，則系統會更新之前存在的那一行數據，而之前已經存在的值并不會丟掉，會被放到這個單元格的歷史記錄中，如果需要查詢這個“歷史”值，只需要帶上版本參數就可以找到。

（2）由于數據按照RowKey的字典順序存儲，因此HBase中的數據永遠都是有序的。

（3）HBase在讀寫數據時需要通過RowKey找到對應的Region。在HBase中，一個Region就相當于一個數據分片，每個Region都有起始RowKey和結束RowKey，HBase表中的數據是按照RowKey來分散存儲到不同Region中的。所以在HBase中想要提高查詢速度，就需要設計出優秀的RowKey，RowKey越完美，HBase的效率就越高。

6．Time Stamp

Time Stamp用于標識數據的不同版本號（Version），每條數據寫入時，如果不指定時間戳，系統會自動為其添加該字段，該字段的值即為數據寫入HBase的時間。

7．Cell

列是HBase的基本單位，一個列上可以存儲多個版本的值，多個版本的值被存儲在多個Cell中，多個版本之間用版本號來區分。所以，確定一條數據查詢結果的表達式是行鍵:列族:列:版本號（RowKey:Column Family:Column:Version）。但是，在大部分查詢中，版本號是可以省略的，不寫版本號，HBase會默認獲取最后一個版本的數據。完整的HBase數據存儲結構如圖1-7所示。