HBase的数据类型
1 简介
在HBASE中，数据存储在具有行和列的表中。这是看起来关系数据库(RDBMS)一样，但将HBASE表看成是多个维度的Map结构更容易理解。
| ROWKEY | C1列蔟 | C2列蔟 | ||||
|---|---|---|---|---|---|---|
| rowkey | 列1 | 列2 | 列3 | 列4 | 列4 | 列6 |
| rowkey | 0001 |
|---|---|
| C1（Map） | 列1 => 值1 列2 => 值2 列3 => 值3 |
| C2（Map） | 列4 => 值4 列5 => 值5 列6 => 值6 |
{
"zzzzz" : "woot",
"xyz" : "hello",
"aaaab" : "world",
"1" : "x",
"aaaaa" : "y"
}
2 术语
2.1 表（Table）
-
HBase中数据都是以表形式来组织的
-
HBase中的表由多个行组成
在HBase WebUI（http://node1.itcast.cn:16010中可以查看到目前HBase中的表）
2.2 行（row）
-
HBASE中的行由一个rowkey（行键）和一个或多个列组成，列的值与rowkey、列相关联
-
行在存储时按行键按字典顺序排序
-
行键的设计非常重要，尽量让相关的行存储在一起
-
例如：存储网站域。如行键是域，则应该将域名反转后存储(org.apache.www、org.apache.mail、org.apache.jira)。这样，所有Apache域都在表中存储在一起，而不是根据子域的第一个字母展开
2.3 列（Column）
-
HBASE中的列由列族（Column Family）和列限定符（Column Qualifier）组成
-
表示如下——列族名:列限定符名。例如：C1:USER_ID、C1:SEX
1.2.4 列族（Column Family）
-
出于性能原因，列族将一组列及其值组织在一起
-
每个列族都有一组存储属性，例如：
- 是否应该缓存在内存中
- 数据如何被压缩或行键如何编码等
-
表中的每一行都有相同的列族，但在列族中不存储任何内容
-
所有的列族的数据全部都存储在一块（文件系统HDFS）
-
HBase官方建议所有的列蔟保持一样的列，并且将同一类的列放在一个列蔟中
2.5 列标识符（Column Qualifier）
-
列族中包含一个个的列限定符，这样可以为存储的数据提供索引
-
列族在创建表的时候是固定的，但列限定符是不作限制的
-
不同的行可能会存在不同的列标识符
2.6 单元格（Cell）
-
单元格是行、列系列和列限定符的组合
-
包含一个值和一个时间戳（表示该值的版本）
-
单元格中的内容是以二进制存储的
| ROW | COLUMN+CELL |
|---|---|
| 1250995 |
column=C1:ADDRESS, timestamp =1588591604729, value=\xC9\xBD\xCE\xF7\xCA |
| 1250995 |
column=C1:LATEST_DATE, timestamp =1588591604729, value=2019-03-28 |
| 1250995 |
column=C1:NAME, timestamp =1588591604729, value=\xB7\xBD\xBA\xC6\xD0\xF9 |
| 1250995 |
column=C1:NUM_CURRENT, timestamp =1588591604729, value=398.5 |
| 1250995 |
column=C1:NUM_PREVIOUS, timestamp =1588591604729, value=379.5 |
| 1250995 |
column=C1:NUM_USEAGE, timestamp =1588591604729, value=19 |
| 1250995 |
column=C1:PAY_DATE, timestamp =1588591604729, value=2019-02-26 |
| 1250995 |
column=C1:RECORD_DATE, timestamp =1588591604729, value=2019-02-11 |
| 1250995 |
column=C1:SEX, timestamp =1588591604729, value=\xC5\xAE |
| 1250995 |
column=C1:TOTAL_MONEY, timestamp =1588591604729, value=114 |
3 概念模型
|
Row Key |
Time Stamp |
ColumnFamily contents |
ColumnFamily anchor |
ColumnFamily 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 = “…” | ||
| “com.cnn.www” | t5 | contents:html = “…” | ||
| “com.cnn.www” | t3 | contents:html = “…” | ||
| “com.example.www” | t5 | contents:html = “…” | people:author = “John Doe” |
-
上述表格有两行、三个列族（contens、ancho、people）
-
“com.cnn.www”这一行anchor列族两个列（anchor:cssnsi.com、anchor:my.look.ca）、contents列族有个1个列（html）
-
“com.cnn.www”在HBase中有 t3、t5、t6、t8、t9 5个版本的数据
-
HBase中如果某一行的列被更新的，那么最新的数据会排在最前面，换句话说同一个rowkey的数据是按照倒序排序的