当前位置： 移动技术网 > IT编程>数据库>其他数据库 > Hbase-2.0.0_03_Hbase数据模型

Hbase-2.0.0_03_Hbase数据模型

2018年08月20日  | 移动技术网IT编程  | 我要评论

 

1. hbase数据模型

 

1.1. hbase数据模型术语

table

       hbase表由多行组成。

 

row

       hbase中的一行由一个行键和一个或多个列组成，列的值与这些列相关联。存储行时，按行键按字母顺序排列。因此，行键的设计非常重要。目标是以这样一种方式存储数据，即相关的行彼此接近。常见的行键模式是网站域。如果您的行键是域，您可能应该反向存储它们(org.apache.www, org.apache.mail, org.apache.jira)。这样，所有apache域都在表中彼此接近，而不是基于子域的第一个字母展开。

 

column

       hbase中的列由列族和列限定符组成，列限定符由:(冒号)字符分隔。

 

column family

       列族物理地混合了一组列及其值，通常是出于性能原因。每个列族都有一组存储属性，比如它的值是否应该缓存在内存中，它的数据是如何压缩的，或者它的行键是如何编码的，等等。表中的每一行都有相同的列族，尽管给定的行可能不会在给定的列族中存储任何内容。

 

column qualifier

       列限定符被添加到列族中，以提供给定数据块的索引。给定一个列族内容，一个列限定符可能是content:html，另一个可能是content:pdf。虽然列族在创建表时是固定的，但是列限定符是可变的，并且在行之间可能会有很大的不同。

 

cell

       单元格是行、列族和列限定符的组合，并且包含一个值和时间戳，其中时间戳表示值(value)的版本。

 

timestamp

       时间戳与每个值一起写入，是值的给定版本标识符。默认情况下，时间戳表示写入数据时regionserver上的时间，但在将数据放入单元格时可以指定不同的时间戳值。

 

1.2. 概念视图

       下面的例子是bigtable论文第2页的一个稍微修改过的形式。有一个名为webtable的表，它包含两行(com.cn .www和com.example.www)和三个名为contents、anchor和people的列族。在本例中，对于第一行(com.cn.www)， anchor包含两列(anchor:cssnsi.com, anchor:my.look.ca)， contents包含一列(contents:html)。这个示例包含带有row key com.cn.www的行的5个版本，以及带有row key com.example.www的行的一个版本。contents:html列限定符包含给定网站的全部html。anchor列族的限定词每个都包含外部站点，该站点链接到由行表示的站点，以及在其链接的锚中使用的文本。people列族代表与站点相关的人员。

1 column names:
2     按照惯例，列名由列族前缀和限定符组成。例如，contents:html由列族contents和html限定符组成。冒号(:)将列族从列族限定词中分隔开。

 

table webtable

row key

time stamp

columnfamily contents

columnfamily anchor

columnfamily people

"com.cnn.www"

t9

  

anchor:cnnsi.com = "cnn"

  

"com.cnn.www"

t8

  

anchor:my.look.ca = "cnn.com"

  

"com.cnn.www"

t6

contents:html = "<html>…​"

    

"com.cnn.www"

t5

contents:html = "<html>…​"

    

"com.cnn.www"

t3

contents:html = "<html>…​"

    

"com.example.www"

t5

contents:html = "<html>…​"

  

people:author = "john doe"

 

       表中看起来为空的单元格在hbase中不占用空间，实际上也不存在。这就是hbase“稀疏”的原因。表格视图并不是查看hbase数据的唯一方法，甚至也不是最精确的方法。以下表示的信息与多维地图相同。这只是为了说明目的而做的一个模型，可能并不完全准确。

 1 {
 2   "com.cnn.www": {
 3     contents: {
 4       t6: contents:html: "<html>..."
 5       t5: contents:html: "<html>..."
 6       t3: contents:html: "<html>..."
 7     }
 8     anchor: {
 9       t9: anchor:cnnsi.com = "cnn"
10       t8: anchor:my.look.ca = "cnn.com"
11     }
12     people: {}
13   }
14   "com.example.www": {
15     contents: {
16       t5: contents:html: "<html>..."
17     }
18     anchor: {}
19     people: {
20       t5: people:author: "john doe"
21     }
22   }
23 }

 

1.3. 物理视图

       虽然在概念级别的表可以看作是稀疏的行集，但是它们是由列族物理存储的。一个新的列限定符(column_family:column_qualifier)可以在任何时候添加到现有的列。

 

columnfamily anchor

row key

time stamp

column family anchor

"com.cnn.www"

t9

anchor:cnnsi.com = "cnn"

"com.cnn.www"

t8

anchor:my.look.ca = "cnn.com"

 

columnfamily contents

row key

time stamp

columnfamily contents:

"com.cnn.www"

t6

contents:html = "<html>…​"

"com.cnn.www"

t5

contents:html = "<html>…​"

"com.cnn.www"

t3

contents:html = "<html>…​"

 

       概念视图中显示的空单元格根本不存储。因此，对content:html列的请求在戳记t8时不会返回任何值。类似地，请求一个anchor:my.look.ca在时间戳t9上的值不会返回任何值。但是，如果没有提供时间戳，则返回特定列的最新值。由于时间戳是按降序存储的，所以对于多个版本，最近的版本也是第一个找到的版本。因此，请求一个行为com.cnn.www的所有列的值，如果没有指定时间戳那么为：contents:html的值来自时间戳t6，anchor:cnnsi.com的值来自时间戳t9，anchor:my.look.ca的值来自时间戳t8。

 

1.4. table

       表在模式定义时预先声明。

 

1.5. row

       行键是未解释的字节。行按字典顺序排序，表中第一个出现的顺序是最低的。空字节数组用于表示表名称空间的开始和结束。

 

1.6. column family

       apache hbase中的列被分组为列族。列族的所有列成员具有相同的前缀。例如，列courses:history和courses:math都是列族courses系列的成员。冒号(:)将列族从列族限定词中分隔开。列族前缀必须由可打印字符组成。限定尾(列族限定符)可以由任意字节组成。列族必须在模式定义时预先声明，而列不需要在模式定义时定义，但可以在表启动并运行时动态添加。

       物理上，所有列族成员都存储在文件系统中。由于调优和存储规范是在列族级别执行的，因此建议所有列族成员具有相同的一般访问模式和大小特征。

 

1.7. cells

       一个{row, column, version}元组在hbase中确切地指定一个单元格。单元格内容是未解释的字节

 

1.8. time stamp

       hbase 中通过rowkey和columns确定的为一个存贮单元称为cell。每个 cell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。

       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。

 

1.9. versions

       一个{row, column, version}元组在hbase中确切地指定一个单元格。它可以有无限数量的单元格，其中行和列是相同的，但单元格地址仅在版本维度上不同。

 

       虽然行和列键表示为字节，但是使用长整数指定版本。通常如此长的时间包含时间实例，例如java.util.date.gettime()或system.currenttimemillis()返回的时间，即当前时间与1970年1月1日午夜之间的差值(以毫秒为单位)。

       hbase版本维度以递减顺序存储，因此在从存储文件中读取数据时，首先找到最近的值。

 

       在hbase中，对于单元版本的语义有很多混淆。特别是:

  • 如果对一个单元格的多次写入具有相同的版本，那么只有最后一次写入是可读取的。
  • 以非递增的版本顺序编写单元格是可以的。

 

       下面我们将描述当前hbase中的版本维度是如何工作的。有关hbase版本的讨论，请参阅hbase -2406。在hbase中弯曲时间可以很好地读取hbase的版本或时间维度。它比这里提供的更详细地介绍了版本控制。

 

1.9.1. specifying the number of versions to store

       为给定列存储的最大版本数是列模式的一部分，在创建表时指定，或者通过alter命令指定，通过hcolumndescriptor.default_versions。在hbase 0.96之前，默认保留的版本数量为3个，但是在0.96和更新版本中更改为1个。

 

modify the maximum number of versions for a column family

1 这个例子使用hbase shell来保持列族f1中所有列的最多5个版本。还可以使用hcolumndescriptor。
2 hbase> alter 't1', name => 'f1', versions => 5

 

示例：

修改表user的info1列族versions信息

hbase(main):010:0> describe 'user'
table user is enabled    
user                     
column families description
{name => 'info1', versions => '1', evict_blocks_on_close => 'false', new_version_behavior => 'false', keep_deleted_cells => 'false', cache_data_on_write => 'false', data_block_encoding => 'none', ttl => 'forever', min_versions => '0', replication_scope => '0', bloomfilter => 'row', cache_index_on_write => 'false', in_memory => 'false', cache_blooms_on_write => 'false', prefetch_blocks_on_open => 'false', compression => 'none', blockcache => 'true', blocksize => '65536'}                                                                                                   
{name => 'info2', versions => '1', evict_blocks_on_close => 'false', new_version_behavior => 'false', keep_deleted_cells => 'false', cache_data_on_write => 'false', data_block_encoding => 'none', ttl => 'forever', min_versions => '0', replication_scope => '0', bloomfilter => 'row', cache_index_on_write => 'false', in_memory => 'false', cache_blooms_on_write => 'false', prefetch_blocks_on_open => 'false', compression => 'none', blockcache => 'true', blocksize => '65536'}                                                                                                   
{name => 'info3', versions => '1', evict_blocks_on_close => 'false', new_version_behavior => 'false', keep_deleted_cells => 'false', cache_data_on_write => 'false', data_block_encoding => 'none', ttl => 'forever', min_versions => '0', replication_scope => '0', bloomfilter => 'row', cache_index_on_write => 'false', in_memory => 'false', cache_blooms_on_write => 'false', prefetch_blocks_on_open => 'false', compression => 'none', blockcache => 'true', blocksize => '65536'} 
3 row(s)
took 0.1262 seconds    
hbase(main):014:0* alter 'user' ,name => 'info1', versions => 5   # 注意：大小写敏感
updating all regions with the new schema...
1/1 regions updated.
done.
took 2.3592 seconds      
hbase(main):015:0> describe 'user'
table user is enabled  
user                   
column families description  
{name => 'info1', versions => '5', evict_blocks_on_close => 'false', new_version_behavior => 'false', keep_deleted_cells => 'false', cache_data_on_write => 'false', data_block_encoding => 'none', ttl => 'forever', min_versions => '0', replication_scope => '0', bloomfilter => 'row', cache_index_on_write => 'false', in_memory => 'false', cache_blooms_on_write => 'false', prefetch_blocks_on_open => 'false', compression => 'none', blockcache => 'true', blocksize => '65536'}                                                                                                   
{name => 'info2', versions => '1', evict_blocks_on_close => 'false', new_version_behavior => 'false', keep_deleted_cells => 'false', cache_data_on_write => 'false', data_block_encoding => 'none', ttl => 'forever', min_versions => '0', replication_scope => '0', bloomfilter => 'row', cache_index_on_write => 'false', in_memory => 'false', cache_blooms_on_write => 'false', prefetch_blocks_on_open => 'false', compression => 'none', blockcache => 'true', blocksize => '65536'}                                                                                                   
{name => 'info3', versions => '1', evict_blocks_on_close => 'false', new_version_behavior => 'false', keep_deleted_cells => 'false', cache_data_on_write => 'false', data_block_encoding => 'none', ttl => 'forever', min_versions => '0', replication_scope => '0', bloomfilter => 'row', cache_index_on_write => 'false', in_memory => 'false', cache_blooms_on_write => 'false', prefetch_blocks_on_open => 'false', compression => 'none', blockcache => 'true', blocksize => '65536'} 
3 row(s)
took 0.0814 seconds

　　

添加数据并查看结果

 1 hbase(main):019:0> put 'user','1234','info1:name','zhang' 
 2 hbase(main):019:0> put 'user','1234','info1:name','zhang1' 
 3 hbase(main):019:0> put 'user','1234','info1:name','zhangsan' 
 4 hbase(main):019:0> put 'user','1234','info1:name','zhangsan2'
 5 hbase(main):019:0> put 'user','1234','info1:name','lisi'
 6 hbase(main):019:0> put 'user','1234','info1:name','zhaoliu'
 7 ### 产看结果
 8 hbase(main):042:0> get 'user','1234',{column=>'info1',versions=>5}  # 注意：即使versions=>6，也只显示5个，因为versions => '5'
 9 ### 也可以指定列  get 'user','1234',{column=>'info1:name',versions=>5} 
10 column                                           cell                                      
11  info1:name                                      timestamp=1534221416212, value=zhaoliu    
12  info1:name                                      timestamp=1534217862282, value=lisi       
13  info1:name                                      timestamp=1534217857274, value=zhangsan2  
14  info1:name                                      timestamp=1534217598847, value=zhangsan   
15  info1:name                                      timestamp=1534145642332, value=zhang1     
16 1 row(s)
17 took 0.0215 seconds

 

modify the minimum number of versions for a column family

1 你还可以指定每个列族存储的版本的最小数量。默认情况下，该值被设置为0，这意味着该特性被禁用。下面的示例通过hbase shell将列族f1中所有列的最低版本数设置为2。你也可以使用hcolumndescriptor。
2 hbase> alter 't1', name => 'f1', min_versions => 2

 

       从hbase 0.98.2开始，可以通过设置hbase.column.max.version为所有新创建的列保持最大版本数，指定全局默认值在hbase-site.xml中配置。参见hbase.column.max.version。

 

1.9.2. delete

       有三种不同类型的内部删除标记。

  • delete:一个列的指定版本
  • delete column:一个列的所有版本
  • delete family: 用于特定columnfamily的所有列

 

       当删除整个行时，hbase将在内部为每个columnfamily创建一个墓碑(而不是每一列)。

 

       通过创建墓碑标记删除工作。例如，假设我们要删除一行。为此，您可以指定一个版本，或者默认使用currenttimemillis。这意味着删除所有版本小于或等于这个版本的单元格。hbase从不在修改数据，因此例如delete不会立即删除(或标记为已删除)与delete条件对应的存储文件中的条目。相反，会写一个所谓的墓碑，将会掩盖删除的值。当hbase进行一次大的压实时，将对墓碑进行处理，实际地除去那些死值，以及墓碑本身。如果删除一行时指定的版本大于行中任何值的版本，则你可以认为删除完整的行。

 

1.9.3. major compactions change query results

       在t1、t2和t3上创建三个单元格版本，最大版本设置为2。因此，在获得所有版本时，只返回t2和t3处的值。但是如果删除t2或t3的版本，t1的版本将再次出现。很明显，一旦一个重要的压缩运行，这样的行为将不再是这样了…(参见hbase中弯曲时间的垃圾收集)。

 

1.10. sort order

       所有数据模型操作hbase都以排序的顺序返回数据。首先是row，然后是columnfamily，然后是column qualifier，最后是timestamp(反向排序，所以首先返回最新的记录)。

 

1.11. column metadata

       columnfamily实例没有存储的列元数据之外的内部keyvalue信息。因此,虽然hbase可以支持每行有大数量的列，但是多行之间的列差异，是你的责任去保持跟踪列名。

       获得一个columnfamily的完整列集的唯一方法是处理所有的行。有关hbase如何在内部存储数据的更多信息，请参阅keyvalue。

 

1.12. joins

       hbase是否支持连接是列表中常见的问题，答案很简单:它不支持连接，至少不支持rdbms连接的方式(例如，sql中的等连接或外连接)。如本章所示，hbase中的读取数据模型操作是get和scan。

       然而，这并不意味着应用程序中不支持等效连接功能，但是您必须自己完成。

 

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网