大数据之HBase基础

2.1.1。行键
与nosql数据库们一样,行关键是用来检索记录的主键。访问HBASE表中的行,只有三种方式:

1。通过单个行关键访问

2。通过行关键的范围(正则)

3。全表扫描

行关键行键(行键)可以是任意字符串(最大长度是64 kb,实际应用中长度一般为10 - 100字节),在HBASE内部,行关键保存为字节数组。存储时,数据按照行关键的字典序(字节顺序)排序存储。设计键时,要充分排序存储这个特性,将经常一起读取的行存储放到一起。(位置相关性)

2.1.2。列家族
列簇:HBASE表中的每个列,都归属于某个列族。列族是表的模式的一部分(而列不是),必须在使用表之前定义。列名都以列族作为前缀。例:如课程历史,课程:数学都属于课程这个列族。

2.1.3。细胞
由{行键,columnFamily,版本}唯一确定的单元.cell中的数据是没有类型的,全部是字节码形式存贮。

关键字:无类型,字节码

2.1.4。时间戳
HBASE中通过rowkey和列确定的为一个存贮单元称为细胞。每个细胞都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是64位整型。时间戳可以由HBASE(在数据写入时自动)赋值,此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。每个细胞中,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。

为了避免数据存在过多版本造成的的管理(包括存贮和索引)负担,HBASE提供了两种数据版本回收方式。一是保存数据的最后n个版本,二是保存最近一段时间内的版本(比如最近七天)。用户可以针对每个列族进行设置。