浅析Hbase数据库及表设计

       最近，在作大数据的知识储备，整理了一写本身学习的笔记，浅谈Hbase数据及设计，不足之处，还请你们多多指点。

      首选，HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储同样，HBase在Hadoop之上提供了相似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不一样于通常的关系数据库，它是一个适合于非结构化数据存储的数据库。另外一个不一样的是HBase基于列的而不是基于行的模式。

      HBase 是一个NoSQL数据库，用于处理海量数据，能够支持10亿行百万列的大表，下面咱们经过与关系数据库的对比来了解Hbase数据库的表设计

      关系型数据库的表结构，为了更好的理解HBase表的思路，这里先回顾一下关系数据库中表的处理方式

       例若有一个用户表user_info，有字段：id、name、tel，表名和字段须要在建表时指定

      create table user_info (

             id 类型,

            name 类型,

             tel 类型

      )

     而后插入两条数据 insert into user_info values(‘...’ ，‘...’，‘...’)

     表结构以下

id	name	tel
1	小明	123
2	小王	456

后来字段不够用了，新用户须要记录地址，就要新增一个字段

id	name	tel	addr
1	小明	123
2	小王	456

之后再增长需求时，就继续新增字段，或者添加一个扩展表

上面的内容主要说明的是：

• 建表的方式，需提早指定表名和字段
• 插入记录的方式，指定表名和各字段的值
• 数据表是二维结构，行和列
• 添加字段不灵活

   下面看一下HBase的处理方式

   HBase的表结构

建表时要指定的是：表名、列族

建表语句

create 'user_info', 'base_info', 'ext_info'

意思是新建一个表，名称是user_info，包含两个列族base_info和ext_info

列族 是列的集合，一个列族中包含多个列

这时的表结构：

row key	base_info	ext_info
...	...	...

row key 是行键，每一行的ID，这个字段是自动建立的，建表时不须要指定

插入一条用户数据：name为‘a’，tel为‘123’

插入语句

put 'user_info', 'row1', 'base_info:name', 'a'

put 'user_info', 'row1', 'base_info:tel', '123'

意思是向user_info表中行健为row1的base_info列族中添加一项数据 name:a，接着又添加一项数据tel:123

name和tel就是具体字段，属于base_info这个列族

这时的表结构：

row key	base_info	ext_info
row1	name:a, tel:123

再插入一条数据：name为‘b’，addr为‘beijing’

put 'user_info', 'row2', 'base_info:name', 'b'

put 'user_info', 'row2', 'ext_info:addr', 'bj'

这时的表结构：

row key	base_info	ext_info
row1	name:a, tel:123
row2	name:b	addr:bj

HBase表中还有一个重要概念：版本，每一个字段的值都有版本信息（经过时间戳指定）

例如 base_info:name，每次修改时都会保留以前的值，就是说能够取到他的旧值

row key	base_info	ext_info
row1	name:a, tel:123
row2	name:c(v2)[name:b(v1)]	addr:bj

小结

从上面建表、插入数据的过程能够看出 HBase 存储数据的特色了

• 和关系数据库同样，也是使用行和列的结构
• 建表时，定义的是表名和列族（字段的集合），而不是具体字段
• 列族中能够包含任意个字段，字段名不须要预约义，每一行中同一列族中的字段也能够不一致
• 多维结构，关系数据库的表是二维的，经过指行、列定位一个数据，HBase中须要经过 行健、列族名、字段名、版本号才能定位到具体数据
• 插入数据时，一次插入一个字段的数据，不是像关系数据库那样一次插入多个字段