五分鐘輕松了解Hbase面向列的存儲

行式存儲

傳統的數據庫是關系型的，且是按行來存儲的。如下圖：

其中只有張三把一行數據填滿了，李四王五趙六的行都沒有填滿。因為這里的行結構是固定的，每一行都一樣，即使你不用，也必須空到那里，而不能沒有。來一張形象的圖：

不管你坐或不坐，座位都在那里，不離不棄。

列式存儲

為了與傳統的區別，新型數據庫叫做非關系型數據庫，是按列來存儲的。如下圖：

初次看列式存儲稍微有點懵，下面給出行存與列存的轉換：

原來張三的一列（單元格）數據對應現在張三的一行數據。原來張三的六列數據變成了現在的六行。

原來的六列數據是在一行，所以共用一個主鍵（即張三）。現在變成了六行，每行都需要一個主鍵（不然不知道這行數據是誰的），所以原來的主鍵（即張三）重復了六次。如下圖：

由于原來的列變為了現在的行，有需要就加一行，沒需要就不加，不會造成空間浪費。來一張形象的圖：

（擺渡車內部就是一個大平板）

你要站便站，我給你空間，你不站便不站，還給我空間。

行列對比

① 行式存儲傾向于結構固定，列式存儲傾向于結構弱化。

（行式存儲相當于套餐，即使一個人來了也給你上八菜一湯，造成浪費；列式存儲相等于自助餐，按需自取，人少了也不浪費）

② 行式存儲一行數據只需一份主鍵，列式存儲一行數據需要多份主鍵。

③ 行式存儲存的都是業務數據，列式存儲除了業務數據外，還要存儲列名。

④ 行式存儲更像一個Java Bean，所有字段都提前定義好，且不能改變；列式存儲更像一個Map，不提前定義，隨意往里添加key/value。

官方介紹

Apache Hbase是Hadoop數據庫，一個分布式、可擴展、大數據存儲。

當你需要隨機地實時讀寫大數據時使用Hbase。它的目標是管理超級大表-數十億行X數百萬列。

Hbase是一個開源的、分布式的、帶版本的、非關系型數據庫，模仿谷歌的BigTable。BigTable使用Google File System作為分布式數據存儲，同理Hbase使用HDFS。

Hbase世界

Hbase雖然弱化了結構，但并不等于放任不管。傳統關系型數據庫在插入數據前表結構（即所有列和列的數據類型）已經是嚴格確定的。

Hbase的表在放入數據前也有需要確定下來的東西，那就是Column Family（常譯為列族/列簇）。單詞Family就是家庭的意思，所以列族就是列的家庭。那么列自然就是家庭成員了，通常家庭成員都有多個，所以一個列族包含多個列。

一個家庭的成員之間具有血緣關系，所以一個列族的多個列之間通常也具有某種關系，比如相似或同種類別。所以列族可以看作是某種分類（歸類）。

一個非常常見的例子，去面試的時候，一般前臺MM都會讓填一張表，通常信息很多，每個公司又不盡相同。但大致可以分三類：人員基本信息，教育經歷信息，工作經歷信息，這三個類別其實就相當于三個列族。如下圖：

每個類別里都會有具體的信息，比如人員基本信息里有姓名、電話、出生年月等，它們就相當于一個個標識符（變量名），在Hbase中叫做Column Qualifier（列修飾符）。列修飾符位于列族里面用來標識一條條數據。如下圖：

在Hbase中一個列族（Column Family）和一個列修飾符（Column Qualifier）組合起來才叫一個列（Column），使用冒號（:）分割，列族:列修飾符，如下圖：

在傳統數據庫中每一行的唯一標識符叫做主鍵，在Hbase中叫做row key（行鍵）。如下圖：

數據在進入Hbase時都會被打上一個時間戳，這個時間戳可以作為版本號來使用。

在t1時間我存入一個人的基本信息，之后發現姓名錯了，在t2時間又更新了姓名，此時并不會去更新原來的那條數據，而是又插入了一條新數據且打上新的時間戳。

此時去查詢獲取的是新數據，仿佛是更新了，但其實只是默認返回了最新版本的數據而已。如下圖：

一個行鍵、列族、列修飾符、數據和時間戳組合起來叫做一個單元格（Cell）。這里的行鍵、列族、列修飾符和時間戳其實可以看作是定位屬性（類似坐標），最終確定了一個數據。下圖中的一行相等于Hbase中的一個單元格：

一個行鍵、一到多列（包括數據）組合起來叫做一行（Row）。下圖中所有1001的數據合起來相當于Hbase中的一行，1002的相當于另一行：

在Hbase中，只要確定了列族（具體的列不用管），表（Table）就確定了。如下圖：

官方文檔中提醒：把傳統數據庫中的表/行/列的概念用在Hbase中不是一個有幫助的類比。相反可以把Hbase的表想象成一個多（兩）維Map（Map套Map）。列族是第一維，列修飾符是第二維。

說明：任何細微的差別在大數量時都會被無限放大，那么列族和列修飾符的名字起的短一些能夠節省可觀的空間。

說明：從嚴格的列式存儲的定義來看，Hbase并不屬于列式存儲，有人稱它為面向列的存儲，請各位看官注意這一點。

（完）

編程新說

用獨特的視角說技術