Hbase学习（一）：Hbase简介和数据模型

1. HBase简介

（1）Hbase 概念：

Google的BigTable的开源实现，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库

（2）Hbase的运行基础：

利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理

HBase中的海量数据,利用Zookeeper作为其分布式协同服务

（3）Hbase支持从数据模型：

主要用来存储非结构化和半结构化的松散数据（ NoSQL 数据库），不支持完整的关系数据模型

2. HBase数据模型（逻辑模型）

（1）逻辑模型概图：

（2）逻辑模型中的核心概念解释

核心概念简介：

1）行键（Row Key），用来检索逻辑视图中一行的主键。

存储时，按Row Key的字典序排序；

行的一次读写是原子操作。

2）列族（Column Families），表每行的列被分组，每个组就称为一个列族。

列族需要先定义，列族中的列可以动态创建；

访问控制、磁盘和内存的使用统计都是以列族为单位的。

3）时间戳（Time Stamp），每次数据操作都会有对应的时间戳，数据的不同版本就是通过时间戳来索引的。

不同版本的数据按照时间戳倒序排序。

核心概念的注意事项：

第一：行键（Row Key） ：

1）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

1 通过单个row key访问

2 通过row key的range

3 全表扫描

2）Row key按照字典顺序排序的

3）Row key行键 (Row key)可以是任意字符串(最大长度是64kb)

4）存储时，按Row Key的字典序排序；

5）行的一次读写是原子操作。

第二：列族（Column Families）：

1）表每行的列被分组，每个组就称为一个列族

2）列名都以列族作为前缀。例如person:name， person:age都属于person这个列族

3) 列族需要先定义，列族中的列可以动态创建

4) 访问控制、磁盘和内存的使用统计都是以列族为单位的

第三：时间戳（Time Stamp）:

1) 每次数据操作都会有对应的时间戳，数据的不同版本就是通过时间戳来索引的。

2)不同版本的数据按照时间戳倒序排序。

第四：Cell

1) HBase中通过row和columns确定的为一个存贮单元称为cell

2)单元格是有版本的；

3)单元格的内容是未解析的字节数组；

由 {row key， column( =<family> +<qualifier>)， version} 唯一确定的单元。

3. HBase数据模型（物理模型）

（1）HBase在文件系统中命名空间的结构如下：

/hbase/<tablename>/<encoded-regionname>/<column-family>/<filename>

（2）在每个HRegion文件夹下会有一个.regioninfo文件，用来存储这个HRegion的元数据信息。

这些元数据信息可以帮助恢复被破坏的.META.表。

（3）HBase具体数据文件格式，HBase使用的是HFile作为存储文件格式；