CGFT《大數(shù)據(jù)技術(shù)原理與應(yīng)用》中的數(shù)據(jù)模型的相關(guān)概念？

CGFT《大數(shù)據(jù)技術(shù)原理與應(yīng)用》中的數(shù)據(jù)模型的相關(guān)概念。HBase實際上就是一個稀疏、多維、持久化存儲的映射表，它采用行鍵（Row Key)、列族(Column Family)、列限定符（Column Qualifier)和時間截（Timestamp)進(jìn)行索引，每個值都未經(jīng)解釋的字節(jié)數(shù)組byte[]。下面具體介紹HBase數(shù)據(jù)模型的相關(guān)概念。

1.表

HBase采用表來組織數(shù)據(jù)，表由行和列組成，列劃分為若干個列族。

2.行

每個HBase表都由若干行組成，每個行由行鍵（Row Key)來標(biāo)識。訪問表中的行只有3種方式：通過單個行鍵訪問；通過一個行鍵的區(qū)間來訪問；全表掃描。行鍵可以是任意字符串（*長度是64KB,實際應(yīng)用中長度一般為10~100字節(jié)）,在HBase內(nèi)部，行鍵保存為字節(jié)數(shù)組存儲時，數(shù)據(jù)按照行鍵的字典序排序存儲。在設(shè)計行鍵時，要充分考慮這個特性，將經(jīng)常一起讀取的行存儲在一起。

3.列族

一個HBase表被分組成許多“列族”的集合，它是基本的訪問控制單元。列族需要在表創(chuàng)建時就定義好，數(shù)量不能太多（HBase的一些缺陷使得列族數(shù)量只限于幾十個）,而且不要頻繁修改存儲在一個列族當(dāng)中的所有數(shù)據(jù)，通常都屬于同一種數(shù)據(jù)類型，這通常意味著具有更高的壓縮率表中的每個列都?xì)w屬于某個列族，數(shù)據(jù)可以被存放到列族的某個列下面，但是，在把數(shù)據(jù)存放到這個列族的某個列下面之前，必須首先創(chuàng)建這個列族。

在創(chuàng)建完成一個列族以后，就可以使用同一個列族當(dāng)中的列。列名都以列族作為前級。

例如，courses:history和courses:math這兩個列都屬于courses這個列族。在HBase中，訪問控制、磁盤和內(nèi)存的使用統(tǒng)計都是在列族層面進(jìn)行的。實際應(yīng)用中，我們可以借助列族上的控制權(quán)限幫助實現(xiàn)特定的目的，比如，我們可以允許一些應(yīng)用能夠向表中添加新的數(shù)據(jù)，而另一些應(yīng)用則只允許瀏覽數(shù)據(jù)。HBase列族還可以被配置成支持不同類型的訪問模式，比如，一個列族也可以被設(shè)置成放人內(nèi)存當(dāng)中，以消耗內(nèi)存為代價，從而換取更好的響應(yīng)性能。

4.列限定符

列族里的數(shù)據(jù)通過列限定符（或列）來定位。列限定符不用事先定義，也不需要在不同行之間保持一致。列限定符沒有數(shù)據(jù)類型，總被視為字節(jié)數(shù)組byte[]。

5.單元格

在HBase表中，通過行、列族和列限定符確定一個“單元格”（cell)。單元格中存儲的數(shù)據(jù)沒有數(shù)據(jù)類型，總被視為字節(jié)數(shù)組byte[]。每個單元格中可以保存一個數(shù)據(jù)的多個版本，每個版本對應(yīng)一個不同的時間藏。

6.時間截

每個單元格都保存著同一份數(shù)據(jù)的多個版本，這些版本采用時間截進(jìn)行索引。每次對一個單元格執(zhí)行操作（新建、修改、刪除）時、HBase都會隱式地自動生成并存儲一個時間藏。時間截一般是64位整型，可以由用戶自己賦值（自己生成*時間裁可以避免應(yīng)用程序中出現(xiàn)數(shù)據(jù)版本沖突）,也可以由HBase在數(shù)據(jù)寫入時自動賦值。一個單元格的不同版本是根據(jù)時間藏降序的順序進(jìn)行存儲的，這樣，*的版本可以被*讀取。