五分钟轻松了解Hbase面向列的存储

说明:从严格的列式存储的定义来看,Hbase并不属于列式存储,有人称它为面向列的存储,请各位看官注意这一点。

 

行式存储

 

传统的数据库是关系型的,且是按行来存储的。如下图:

其中只有张三把一行数据填满了,李四王五赵六的行都没有填满。因为这里的行结构是固定的,每一行都一样,即使你不用,也必须空到那里,而不能没有。来一张形象的图:

不管你坐或不坐,座位都在那里,不离不弃。

 

列式存储

 

为了与传统的区别,新型数据库叫做非关系型数据库,是按列来存储的。如下图:

初次看列式存储稍微有点懵,下面给出行存与列存的转换:

原来张三的一列(单元格)数据对应现在张三的一行数据。原来张三的六列数据变成了现在的六行。

原来的六列数据是在一行,所以共用一个主键(即张三)。现在变成了六行,每行都需要一个主键(不然不知道这行数据是谁的),所以原来的主键(即张三)重复了六次。如下图:

由于原来的列变为了现在的行,有需要就加一行,没需要就不加,不会造成空间浪费。来一张形象的图:

(摆渡车内部就是一个大平板)

你要站便站,我给你空间,你不站便不站,还给我空间。

 

行列对比

 

行式存储倾向于结构固定,列式存储倾向于结构弱化。

行式存储相当于套餐,即使一个人来了也给你上八菜一汤,造成浪费;列式存储相等于自助餐,按需自取,人少了也不浪费

行式存储一行数据只需一份主键,列式存储一行数据需要多份主键。

行式存储存的都是业务数据,列式存储除了业务数据外,还要存储列名。

行式存储更像一个Java Bean,所有字段都提前定义好,且不能改变;列式存储更像一个Map,不提前定义,随意往里添加key/value。

 

官方介绍

 

Apache Hbase是Hadoop数据库,一个分布式、可扩展、大数据存储。

当你需要随机地实时读写大数据时使用Hbase。它的目标是管理超级大表-数十亿行X数百万列。

Hbase是一个开源的、分布式的、带版本的、非关系型数据库,模仿谷歌的BigTable。BigTable使用Google File System作为分布式数据存储,同理Hbase使用HDFS。

 

Hbase世界

 

Hbase虽然弱化了结构,但并不等于放任不管。传统关系型数据库在插入数据前表结构(即所有列和列的数据类型)已经是严格确定的。

Hbase的表在放入数据前也有需要确定下来的东西,那就是Column Family(常译为列族/列簇)。单词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员了,通常家庭成员都有多个,所以一个列族包含多个列。

一个家庭的成员之间具有血缘关系,所以一个列族的多个列之间通常也具有某种关系,比如相似或同种类别。所以列族可以看作是某种分类(归类)。

一个非常常见的例子,去面试的时候,一般前台MM都会让填一张表,通常信息很多,每个公司又不尽相同。但大致可以分三类:人员基本信息,教育经历信息,工作经历信息,这三个类别其实就相当于三个列族。如下图:

 

每个类别里都会有具体的信息,比如人员基本信息里有姓名、电话、出生年月等,它们就相当于一个个标识符(变量名),在Hbase中叫做Column Qualifier列修饰符)。列修饰符位于列族里面用来标识一条条数据。如下图:

 

在Hbase中一个列族(Column Family)和一个列修饰符(Column Qualifier)组合起来才叫一个Column),使用冒号(:)分割,列族:列修饰符,如下图:

 

在传统数据库中每一行的唯一标识符叫做主键,在Hbase中叫做row key行键)。如下图:

 

数据在进入Hbase时都会被打上一个时间戳,这个时间戳可以作为版本号来使用。

在t1时间我存入一个人的基本信息,之后发现姓名错了,在t2时间又更新了姓名,此时并不会去更新原来的那条数据,而是又插入了一条新数据且打上新的时间戳。

此时去查询获取的是新数据,仿佛是更新了,但其实只是默认返回了最新版本的数据而已。如下图:

 

一个行键、列族、列修饰符、数据和时间戳组合起来叫做一个单元格Cell)。这里的行键、列族、列修饰符和时间戳其实可以看作是定位属性(类似坐标),最终确定了一个数据。下图中的一行相等于Hbase中的一个单元格:

 

一个行键、一到多列(包括数据)组合起来叫做一Row)。下图中所有1001的数据合起来相当于Hbase中的一行,1002的相当于另一行:

 

在Hbase中,只要确定了列族(具体的列不用管),Table)就确定了。如下图:

 

官方文档中提醒把传统数据库中的表/行/列的概念用在Hbase中不是一个有帮助的类比。相反可以把Hbase的表想象成一个维MapMap套Map)。列族是第一维,列修饰符是第二维

 

说明:任何细微的差别在大数量时都会被无限放大,那么列族和列修饰符的名字起的短一些能够节省可观的空间。

 

(完)

 

编程新说


用独特的视角说技术

关键词:数据 一个 存储 nbsp hbase 一行 下图 列式 如下 修饰符

相关推荐:

5分钟图解Hbase列式存储

数据库的“行式存储”和“列式存储”

3分钟了解HBase行键设计

hbase系列之:初识hbase

人工智能的底层构架,认识HBase数据模型

《HBase 不睡觉》第一章 - 初始 HBase

HBase基础概念

一起学HBase——简单介绍HBase各种组件