第5章-Hadoop分布式数据库HBASE.pptxVIP

第5章Hadoop分布式数据库HBASE;;5.1.1HBase简介;5.1.2HBase数据模型;5.1.2HBase数据模型;5.1.2HBase数据模型;5.1.2HBase数据模型;（3）RowKey（行键）

RowKey是用来唯一确定一行的标识，不同的行键代表不同的行，是检索记录的主键，必须在设计上保证其唯一性。访问表中的行只有三种方式：通过单个行键访问；通过一个行键的范围来访问；全表扫描。行键可以是任意字符串，数据按照行键的字母顺序存储在表中，因此行键的设计非常重要，需要将经常一起读取的行存储在一起。数据的存储目标是相近的数据存储到一起。比如，若行键格式是网站域名，则可以将域名进行反转(org.apache.www,org.apache.mail,org.apache.jira)再存储。这样的话，所有Apache域名将会存储在一起。;（4）ColumnFamily（列族）

Hbase表中的每个列，都归属于某个列族。列族是表模式的一部分，必须在表使用前定义，每个表至少有一个列族。一个列族的所有列具有相同的前缀，列可以表示为列族:列限定符，例如列class:name，class:sno都属于class这个列族。

（5）Cell（单元）

HBase中值是作为一个单元存储在系统中，是由行键、列族、列限定符和时间戳唯一确定的单元。Cell中的数据全部是字节数组，以二进制形式存储。;（6）Timestamp（时间戳）

时间戳是写在值旁边的一个用于区分值的版本的数据。默认情况下，时间戳表示的是当数据写入HRegionSever时系统自动赋值的时间点，也可以在写入数据时指定一个不同的时间戳。但为避免数据版本冲突，必须保证时间戳的唯一性。时间戳的类型一般是64位整型。每个Cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面，可以被最先读取。;接下来用一个实例来解释HBase的数据模型，如下图5-1所示。;2、概念视图

若在关系型数据库中有一张客户表Customer，主要包括客户编号（cid）、姓名（name）、所在城市（city）、电话（tel）四个字段，主键为cid。如下表5-1所示：

;主键可以唯一标识一行记录，所以很容易通过客户编号找到其电话号码，但如果碰到以下问题该如何处理？

（1）如果新增客户编号为“101”的客户属性性别为“女”，能否不修改表结构的情况下保存???性别信息？

（2）如果客户编号为“101”的客户有了新的电话号码，能否保存新旧两个电话号码？

（3）如果某个客户只有客户编号、姓名和电话信息，而没有所在城市的信息，能否只存储客户编号、姓名和电话信息而节省存储空间呢？;而对于HBase，以上需求可以完美解决。下表5-2将客户表Customer转为HBase中的概念视图。;（1）新增客户编号为“101”的客户属性性别为“女”，不需要修改表结构（列族结构不变）保存其性别信息，只需插入数据，列attach：xb赋值为“女”即可。如下表所示：;（2）客户编号为“101”的客户有了新的电话号码，可以保存新旧两个电话号码，只需插入数据列attach：tel赋值为即可，如下表所示。因为数据是以时间戳降序排列，所以如果读取行键为“101”的电话默认是最新电话。;3、物理视图

从概念视图层面看，HBase中每个表是由许多行组成，但在物理层面，HBase并不像关系型数据库采用基于行的存储方式，而是采用了基于列的存储方式。;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.1.3HBase体系结构;5.2.2HBaseShell命令;disable;list;5.2.3HBase编程;谢谢