HBase数据结构

HBase 核心数据结构：四维坐标定数据，一张表长什么样？

关系型数据库的表是”二维”的——行和列。

HBase 的表是”四维”的——行键（RowKey）+ 列族（Column Family）+ 列（Column）+ 时间戳（Timestamp） 四者共同定位一个值。

1	(RowKey, Column Family:Column, Timestamp) → Value

整体视图：四维坐标定位数据

HBase 的表可以想象成一张巨大的稀疏矩阵，用四个维度定位数据：

1	RowKey（行键） → 列族 → 列 → 时间戳 → 值

举个例子：

1
2
3

RowKey="user_001", Column Family="info", Column="name", Timestamp=t1 → "张三"
RowKey="user_001", Column Family="info", Column="age",  Timestamp=t1 → "25"
RowKey="user_001", Column Family="log",  Column="login", Timestamp=t2 → "2024-01-15 08:00"

同一个 RowKey 下，不同列族、不同列、不同版本的数据可以自由组合。空值不占存储空间。

命名空间（Namespace）：表的”文件夹”

命名空间是最高层的逻辑组织单元，相当于 MySQL 里的 Database。

# 创建命名空间
create_namespace 'user_data'

# 在命名空间里建表
create 'user_data:user_info', 'info', 'log'

作用：

表名隔离（不同命名空间可以有同名表）
权限批量管理
资源限额控制

两个默认命名空间：

default：用户表默认归属
hbase：系统元数据表（如 hbase:meta）

RowKey（行键）：排序 + 查询的唯一入口

RowKey 是 HBase 表里每行数据的唯一标识。它不只是”主键”那么简单——所有查询都依赖它。

三个核心特性：

按字典序排序存储
user_001、user_002、user_100 按字符串顺序排。user_100 在 user_002 前面，因为 "1" < "2"。
只有三种查询方式
- 精确查询：get 'user_001'
- 范围查询：scan from 'user_001' to 'user_200'
- 全表扫描（不推荐）
本质是字节数组
可以存任意字符串，通常长度 10-100 字节。

RowKey 设计的核心原则：位置相关性。 把经常一起查的数据放在相邻的位置。比如按时间倒序排 RowKey，最新数据在最前面。

列族（Column Family）：物理存储的隔离单位

列族是 HBase 表结构里必须预先定义的部分。表创建的时候就要定好有哪些列族。

1 2	# 创建表时指定列族 create 'user_info', 'info', 'log'

两个关键点：

列族是物理隔离的
同一列族的数据存在一起（同一个 Store），不同列族的数据完全分开。查询时只读目标列族，不碰其他列族。
列族数量不宜多
建议 2-3 个，多了 Region 分裂和合并效率下降。一个列族下可以有任意多个列（Qualifier）。

列（Qualifier）：动态添加的字段

列是列族下的具体字段，不需要预先定义，写入时直接指定即可。

info:name    ← info 列族下的 name 列
info:age     ← info 列族下的 age 列
log:login    ← log 列族下的 login 列
log:logout   ← log 列族下的 logout 列

这就是 HBase 灵活性的来源： 每行的列可以不一样，不用改表结构。

时间戳（Timestamp）：多版本管理

每个单元格可以存多个版本，用时间戳区分。

1
2
3

RowKey=user_001, info:name
  t1: "张三"
  t2: "张伟"   ← 改名后写入新版本，旧版本保留

默认行为：

写入时自动用当前系统时间作为时间戳
查询时默认返回最新版本
可以指定时间戳读历史数据

版本回收：
可以配置每个列族保留最近 N 个版本，或保留最近 N 天的版本。超过限制的版本会在 Compaction 时被清理。

1 2	# 保留最近 5 个版本 alter 'user_info', {NAME => 'info', VERSIONS => 5}

Cell：最小的数据单元

Cell 就是 (RowKey, Column Family:Column, Timestamp) 三者确定的值。

1	Cell = (RowKey, 列族:列, 时间戳) → 值（字节数组）

Cell 的特性：

值无类型：存的都是字节数组（byte[]），数据类型由应用程序自己决定（存 String 还是存 Protobuf，写入和读取时保持一致就行）
不可变：更新操作 = 写入新版本，旧版本保留
空值不占空间：稀疏存储，没有的列不占任何存储

小菜鸟