HBase列式存储

Posted 2022-12-11 浴盆

行式存储

行式存储是以行为单位存储，一行中的所有列代表一条记录。经常会出现一行数据中有多个列为空，行结构是固定的，每一行都一样，即使你不用，也必须空到那里，而不能没有。

列式存储

新型数据库叫做非关系型数据库，是按列来存储的。原来的六列数据是在一行，所以共用一个主键（即张三）。现在变成了六行，每行都需要一个主键，不然不知道这行数据是谁的，所以原来的主键（即张三）重复了六次。由于原来的列变为了现在的行，如果有需要就加一行，没需要就不加，不会造成空间浪费。

行列对比

行式存储倾向于结构固定，列式存储倾向于结构弱化。行式存储存的都是业务数据，列式存储除了业务数据外，还要存储列名。行式存储更像一个Java Bean，所有字段都提前定义好，且不能改变；列式存储更像一个Map，不提前定义，随意往里添加key/value。

HBase

HBase的目标是管理超级大表-数十亿行 * 数百万列。 Hbase是一个开源的、分布式的、带版本的、非关系型数据库，模仿谷歌的BigTable。
Hbase虽然弱化了结构，但并不等于放任不管。传统关系型数据库在插入数据前表结构（即所有列和列的数据类型）已经是严格确定的。 Hbase的表在放入数据前也有需要确定下来的东西，那就是Column Family（常译为列族/列簇）。
一个非常常见的例子，去面试的时候，一般前台都会让填一张表，通常信息很多，每个公司又不尽相同。但大致可以分三类：人员基本信息，教育经历信息，工作经历信息，这三个类别其实就相当于三个列族。
每个类别里都会有具体的信息，比如人员基本信息里有姓名、电话、出生年月等，它们就相当于一个个标识符（变量名），在Hbase中叫做Column Qualifier（列修饰符）。列修饰符位于列族里面用来标识一条条数据。
在传统数据库中每一行的唯一标识符叫做主键，在Hbase中叫做row key（行键）。
在Hbase中一个列族（Column Family）和一个列修饰符（Column Qualifier）组合起来才叫一个列（Column），使用冒号（:）分割，列族:列修饰符。
数据在进入Hbase时都会被打上一个时间戳，这个时间戳可以作为版本号来使用。 在t1时间我存入一个人的基本信息，之后发现姓名错了，在t2时间又更新了姓名，此时并不会去更新原来的那条数据，而是又插入了一条新数据且打上新的时间戳。
一个行键、列族、列修饰符、数据和时间戳组合起来叫做一个单元格（Cell）。