HBase的表结构

HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族/列簇(column family)。

如上图所看到的，key1,key2,key3是三条记录的唯 一的row key值，column-family1,column-family2,column-family3是三个列族，每一个列族下又包含几列。比方 column-family1这个列族下包含两列，名字是column1和column2，t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一确定的一个单元cell。这个cell中有两个数据，abc和gdxdf。两个值的时间戳不 一样，各自是t1,t2, hbase会返回最新时间的值给请求者。

这些名词的详细含义例如以下：

(1) Row Key

与nosql数据库们一样,row key是用来检索记录的主键。訪问hbase table中的行，仅仅有三种方式：

(1.1) 通过单个row key訪问

(1.2) 通过row key的range

(1.3) 全表扫描

Row key行键 (Row key)能够是随意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部，row key保存为字节数组。

存储时，数据依照Row key的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将常常一起读取的行存储放到一起。(位置相关性)

注意：

字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行键必须用0作左填充。

行的一次读写是原子操作 (不论一次读写多少列)。这个设计决策可以使用户非常easy的理解程序在对同一个行进行并发更新操作时的行为。

(2) 列族 column family

hbase表中的每一个列，都归属与某个列族。列族是表的chema的一部分(而列不是)，必须在使用表之前定义。列名都以列族作为前缀。比如courses:history ， courses:math 都属于 courses 这个列族。

訪问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应 用中，列族上的控制权限能帮助我们管理不同类型的应用：我们同意一些应用能够加入新的基本数 据、一些应用能够读取基本数据并创建继承的列族、一些应用则仅仅同意浏览数据（甚至可能由于隐私的原因不能浏览全部数据）。

(3) 单元 Cell

HBase中通过row 和columns确定的为一个存贮单元称为cell。由{row key, column( = +  ), version} 唯一确定的单元。cell中的数据是没有类型的，所有是字节码形式存贮。

(4) 时间戳 timestamp

每一个cell都保存着同一份数据的多个版本号。版本号通过时 间戳来索引。时间戳的类型是 64位整型。时间戳能够由hbase(在数据写入时自己主动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也能够由客户显式赋值。假设应用程序要避免数据版本号冲突，就必须自己生成具有唯一性的时间戳。每 一个cell中，不同版本号的数据依照时间倒序排序，即最新的数据排在最前面。

为了避免数据存在过多版本号造成的的管理 (包含存贮和索引)负担，hbase提供了两种数据版本号回收方式。一是保存数据的最后n个版本号，二是保存近期一段时间内的版本号（比方近期七天）。用户能够针对每一个列族进行设置。

测试实例如下

1 首先，先创建一张表，然后添加两条记录

从上面可以看到，HBASE默认scan出来的结果是最后一条时间戳的记录，那么如何把这两条都scan出来呢，


这时候可以加入VERSIONS这个约束条件：

 上面的命令，已经把这条记录都scan出来了。

再看下面的例子：

 从上面的结果只scan出一条记录。可知，TIMERANGE表示的是”>=开始时间 and <结束时间“的。再看：

 OK，这样就明白了。


不过上面的加了VERSIONS=>2，就可以查到历史的数据了，但是必须再创建表的时候加上VERSIONS,否则无效,看下面的例子：


 

 可以看到，虽然加了VERSIONS，但get的结果是1条；这就是因为建表时默认的VERSION是1.


修改VERSIONS：

   那么现在就可以把倆条记录get出来了,如下：