淺析Hbase數據庫及表設計

       最近，在作大數據的知識儲備，整理了一寫本身學習的筆記，淺談Hbase數據及設計，不足之處，還請你們多多指點。

      首選，HBase是一個分佈式的、面向列的開源數據庫，該技術來源於 Fay Chang 所撰寫的Google論文「Bigtable：一個結構化數據的分佈式存儲系統。就像Bigtable利用了Google文件系統（File System）所提供的分佈式數據存儲同樣，HBase在Hadoop之上提供了相似於Bigtable的能力。HBase是Apache的Hadoop項目的子項目。HBase不一樣於通常的關係數據庫，它是一個適合於非結構化數據存儲的數據庫。另外一個不一樣的是HBase基於列的而不是基於行的模式。

      HBase 是一個NoSQL數據庫，用於處理海量數據，能夠支持10億行百萬列的大表，下面咱們經過與關係數據庫的對比來了解Hbase數據庫的表設計

      關係型數據庫的表結構，爲了更好的理解HBase表的思路，這裏先回顧一下關係數據庫中表的處理方式

       例若有一個用戶表user_info，有字段：id、name、tel，表名和字段須要在建表時指定

      create table user_info (

             id 類型,

            name 類型,

             tel 類型

      )

     而後插入兩條數據 insert into user_info values(‘...’ ，‘...’，‘...’)

     表結構以下

id	name	tel
1	小明	123
2	小王	456

後來字段不夠用了，新用戶須要記錄地址，就要新增一個字段

id	name	tel	addr
1	小明	123
2	小王	456

之後再增長需求時，就繼續新增字段，或者添加一個擴展表

上面的內容主要說明的是：

• 建表的方式，需提早指定表名和字段
• 插入記錄的方式，指定表名和各字段的值
• 數據表是二維結構，行和列
• 添加字段不靈活

   下面看一下HBase的處理方式

   HBase的表結構

建表時要指定的是：表名、列族

建表語句

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

意思是新建一個表，名稱是user_info，包含兩個列族base_info和ext_info

列族 是列的集合，一個列族中包含多個列

這時的表結構：

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

row key 是行鍵，每一行的ID，這個字段是自動建立的，建表時不須要指定

插入一條用戶數據：name爲‘a’，tel爲‘123’

插入語句

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

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

意思是向user_info表中行健爲row1的base_info列族中添加一項數據 name:a，接着又添加一項數據tel:123

name和tel就是具體字段，屬於base_info這個列族

這時的表結構：

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

再插入一條數據：name爲‘b’，addr爲‘beijing’

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

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

這時的表結構：

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

HBase表中還有一個重要概念：版本，每一個字段的值都有版本信息（經過時間戳指定）

例如 base_info:name，每次修改時都會保留以前的值，就是說能夠取到他的舊值

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

小結

從上面建表、插入數據的過程能夠看出 HBase 存儲數據的特色了

• 和關係數據庫同樣，也是使用行和列的結構
• 建表時，定義的是表名和列族（字段的集合），而不是具體字段
• 列族中能夠包含任意個字段，字段名不須要預約義，每一行中同一列族中的字段也能夠不一致
• 多維結構，關係數據庫的表是二維的，經過指行、列定位一個數據，HBase中須要經過 行健、列族名、字段名、版本號才能定位到具體數據
• 插入數據時，一次插入一個字段的數據，不是像關係數據庫那樣一次插入多個字段