一、概述
- HBase以表的形式存储数据。表有行和列族组成。列族划分为若干个列。其结构如下：
二、Row Key：行键
- hbase本质上也是一种Key-Value存储系统。Key相当于RowKey，Value相当于列族数据的集合
- 与nosql数据库们一样，row key是用来检索记录的主键
- 访问hbase table中的行，只有三种方式：
- 通过单个row key访问
- 通过row key的range
- 全表扫描
- Row key行键 (Row key)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部，row key保存为字节数组
- 存储时， 数据按照Rowkey的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
三、列族（列簇）
- hbase表中的每个列，都归属与某个列族
- 列族是表的schema的一部分(而列不是)，列族必须在使用表之前定义
- 列名都以列族作为前缀。例如courses:history ， courses:math 都属于 courses 这个列族
- 访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能帮助管理不同类型的应用：允许一些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继承的列族、一些应用则只允许浏览数据（甚至可能因为隐私的原因不能浏览所有数据）
四、Cell与时间戳
- 由{row key, column( = + < label>), version} 唯一确定的单元
- cell中的数据是没有类型的，全部是字节码形式存贮
- 每个 cell都保存着同一份数据的多个版本，版本通过时间戳来索引
- 时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值
- 如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳
- 每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面
- 为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式：
- 保存数据的最后n个版本
- 保存最近一段时间内的版本（比如最近七天）