# 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。 --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://gitbook.fantasticmao.cn/tech/shu-ju-ku/hbase/hbase-shu-ju-mo-xing.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.