> For the complete documentation index, see [llms.txt](https://gitbook.fantasticmao.cn/tech/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://gitbook.fantasticmao.cn/tech/shu-ju-ku/hbase/hbase-shu-ju-mo-xing.md). # HBase 数据模型 在 HBase 中，数据被存储在表中，表中有行和列。这与关系型数据库中的术语相似，但不是一个恰当的比喻。相反，将 HBase 表视为多维度的映射（map）可能更为恰当。 HBase 数据模型术语： * **表 Table** 一个 HBase 表由多个行组成。 * **行 Row** 一个 HBase 行由一个行键（row key）和一个或多个与行键关联的带有值的列组成。行在存储时，按照行键的字母顺序存储。因此，行键的设计十分重要。目的是以相关的行彼此靠近的方式存储数据。 * **列 Column** 一个 HBase 列由一个列族（column family）和一个列限定符（column qualifier）组成，以 `:` 冒号分割。 * **列族 Column Family** 出于性能原因，列族是被设计为在物理上并列存储的一组列和列的值。每个列族都有一组存储属性，例如列的值是否应该被缓存在内存中，数据如何被压缩，行键如何被编码等。 表中的每行都有相同的列族，尽管某些行可能不会在某些列族中存储任何数据。 * **列限定符 Column Qualifier** 列限定符是被添加到列族上的，为一组数据提供的索引。对于一个给定的列族 `content`，列限定符可以是 `content:html` 或者 `content:pdf`。 列族在表创建时就固定不变，列限定符是动态可变的，并且不同行之间的列限定符可能会有很大的差异。 * **单元格 Cell** 单元格式行、列族、列限定符和组合，并且还包含了一个值和一个时间戳，表示值的版本。 * **时间戳 Timestamp** 每个值写入的时候都会附带一个时间戳，它是一个值的版本的标志符。 默认情况下，时间戳表示写入数据时 RegionServer 上的时间，但也可以在将数据写入单元格时指定不同的时间戳。 ## 概念视图 下面这个例子是 [BigTable](https://research.google/pubs/pub27898/) 论文第二页中的示例的略微修改版。 这是一张叫 `webtable` 的表，包含了两个行（`com.cnn.www`、`com.example.www`）和三个列族（`contents`、`anchor`、`people`）。 在这个示例中，对于第一个行 `com.cnn.www`，`anchor` 列族包含了两个列（`anchor:cnnsi.com`、`anchor:my.look.ca`），`contents` 列族包含了一个列（`contents:html`）。 这个示例包含 `com.cnn.www` 行键的 5 个版本，`com.example.www` 行键的 1 个版本。 | Row Key | Timestamp | Column Family `contents` | Column Family `anchor` | Column Family `people` | | ----------------- | --------- | -------------------------- | --------------------------- | ------------------------ | | "com.cnn.www" | t9 | | anchor:cnnsi.com="CNN" | | | "com.cnn.www" | t8 | | anchor:my.look.ca="CNN.com" | | | "com.cnn.www" | t6 | contents:html="\..." | | | | "com.cnn.www" | t5 | contents:html="\..." | | | | "com.cnn.www" | t3 | contents:html="\..." | | | | "com.example.www" | t5 | contents:html="\..." | | people:author="John Doe" | 在 HBase 中，表中为空的单元格不占用存储空间，实际上也并不存在。这是 HBase 表「稀疏」的原因。 下面通过一个多维度的映射结构，表示了与 `webtable` 表相同的信息。 ```json { "com.cnn.www": { "contents": { "t6": { "contents:html": "..." }, "t5": { "contents:html": "..." }, "t3": { "contents:html": "..." } }, "anchor": { "t9": { "anchor:cnnsi.com": "CNN" }, "t8": { "anchor:my.look.ca": "CNN.com" } }, "people": { } }, "com.example.www": { "contents": { "t5": { "contents:html": ".." } }, "anchor": { }, "people": { "t5": { "people:author": "John Dor" } } } } ``` ## 物理视图 虽然在概念层面上的表可能被视为一组稀疏的行，但在物理层面上的表是由列族来存储的。 一个新的列限定符（column\_family:column\_qualifier）可以随时被添加到已经存在的列族中。 | Row Key | Timestamp | Column Family `anchor` | | ------------- | --------- | --------------------------- | | "com.cnn.www" | t9 | anchor:cnnsi.com="CNN" | | "com.cnn.www" | t8 | anchor:my.look.ca="CNN.com" | | Row Key | Timestamp | Column Family `contents` | | ------------- | --------- | -------------------------- | | "com.cnn.www" | t6 | contents:html="\..." | | "com.cnn.www" | t5 | contents:html="\..." | | "com.cnn.www" | t3 | contents:html="\..." | 在概念视图中的空单元格不会被存储，因此在 `t8` 时间戳上查询 `contents:html` 列的值，将不会返回任何内容。 然而，如果没有提供时间戳字段，则会返回给定列的最新值。如果提供了多个时间戳字段，则会返回第一个找到的值，也是最新的值，因为时间戳是按倒序存储的。因为在 `com.cnn.www` 行键上查询所有列的数据，如果没有指定时间戳的话，将会返回 `t6` 时间戳的 `contents:html` 列的值、`t9` 时间戳的 `anchor:cnnsi.com` 列的值、`t8` 时间戳的 `anchor:my.look.ca` 列的值。