HBase数据结构（读书笔记 ）

背景：

     最近在做一些跟大数据相关的东西，涉及到数据的存储和分析，考虑各个方面，选择使用HBase进行存储，使用原生Java API进行数据分析，之后会陆续写一系列来说明最近做的东西，给像我这样未曾涉及过这个领域的人一点儿idea。

引言：

     HBase以表的方式组织数据源，这一点跟关系型数据库时一样的，在我们的application里面，通过API/Thrift、或者各种SQL引擎，将数据存入库里面或者进行查询；Hbase的表由行（Row）和列（Column）共同构成，与关系型数据库不同的是，HBase有一个列族（Column Family）的概念，它将一列或者多列组织在一起，HBase的列必须属于某一个列族。

    行和列的交叉点称为单元格（Cell）,单元格是版本化的。单元格的内容也就是列的值是不可分割的字节数组，以二进制的形式存储。HBase没有数据类型，任何列值都被转换成字符数组进行存储。HBase表中的行是通过行键（Rowkey）来进行区分的，行健也是用来唯一确定一行的标识，不同的行健嗲表不同的行，行健也是一段字节数组，不论是字符串还是数字，最终都会被转换成自己数组进行存储。HBase表中的行是按照RowKey排序的，排序方式采用字典顺序，所有表中的行都必须有RowKey。

逻辑模型

     HBase是一个类似GoogleBigTable的开源分布式数据库，它最基本的单位是列，一列或者多列组成行，行有行健，每一行的行健都是唯一的，相同的行健的插入操作被认为是对同一行的操作，也就是说如果做了两次写入操作，而行健是同一个，那么后面的操作可以认为是对改行的某些列的更新操作。

    列名是右列族前缀和修饰符连接而成，分隔符是应为冒号。

物理模型

     

    在逻辑模型中，表可以被看成一个稀疏的行的集合。但是在物理上，表是按照列分开存储的。HBase的列是按照列族分组的，HFile是面向列的，存放行的不同的列的物理文件，一个列族的数据存放在多个HFile中，最重要的是一个列族的数据会被同一个Region管理，物理上存放在一起。Region是管理HFile的一种机制。