詳解HBase表的資料模型

2022-05-17 19:00:29

表（Table）

HBase 中的資料以表的形式儲存。同一個表中的資料通常是相關的，使用表主要是可以把某些列組織起來一起存取。表名作為 HDFS 儲存路徑的一部分來使用，在 HDFS 中可以看到每個表名都作為獨立的目錄結構。

HBase表的資料模型主要概念包括rowkey、Column Family、Column、cell、Timestamp。

1. rowkey行鍵

table的主鍵，table中的記錄==按照rowkey 的字典序進行排序==
rowkey行鍵可以是任意字串(最大長度是 64KB，實際應用中長度一般為 10-100bytes)

2. Column Family列族

被稱為列族或列簇
HBase表中的每個列，都歸屬與某個列族
列族是表的schema的一部分(而列不是)，即建表時至少指定一個列族
比如建立一張表，名為user，有兩個列族，分別是userInfo和addressInfo，建表語句create 'user', 'userInfo', 'addressInfo'

3. Column列

列肯定是表的某一列族下的一個列，用列族名:列名表示，如userInfo列族下的name列，表示為userInfo:name
它屬於某一個ColumnFamily,類似於我們mysql當中建立的具體的列

4. cell單元格

知道row key行鍵、列族、列，可以確定的一個cell單元格
cell中的資料是沒有型別的，全部是以位元組陣列進行儲存

5. Timestamp時間戳

可以對錶中的Cell多次賦值，每次賦值操作時的時間戳timestamp，可看成Cell值的版本號version number
即一個Cell可以有多個版本的值

理解資料模型各概念的圖

上表展示的是 HBase 中的使用者資訊表 user，有三行記錄和兩個列族（不考慮空白的列族，代表可以有很多列族），行鍵分別為 1、2 和 3，兩個列族分別為 userInfo 和 addressInfo，每個列族中含有若干列，如列族 userInfo 包括 name、age、sex 3列，列族 addressInfo 包括 address、from、phone、email、ralary 5列。

在 HBase 中，列不是固定的表結構，在建立表時，不需要預先定義列名，可以在插入資料時臨時建立。

從表的邏輯模型來看，HBase 表與關係型資料庫中的表結構之間好像沒什麼差別，只不過多了列族的概念。但實際上是有很大差別的，關係型資料庫中表的結構需要預先定義，如：列名及其資料型別和值域等內容。

當需要新增新列，則需要修改表結構，這會對已有的資料產生很大影響。同時，關係型資料庫中的表為每個列預留了儲存空間，即表中的空白 Cell 資料在關係型資料庫中以“NULL”值佔用儲存空間。因此，對稀疏資料來說，關係型資料庫表中就會產生很多“NULL”值，消耗大量的儲存空間。

與面向行儲存的關係型資料庫不同，HBase 是面向列儲存的，且在實際的物理儲存中，列族是分開儲存的，即表中的使用者資訊表將被儲存為 userInfo 和 addressInfo 兩個部分。

同時HBase存在時間戳，可以多次對一個cell賦值，可以儲存多個版本的值，如上表中rowkey為1的資料儲存了2個時間版本的資料。

到此這篇關於詳解HBase表的資料模型的文章就介紹到這了,更多相關HBase資料模型內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！