HBase 物理模型
概念视图
HBase以表的形式存储数据。表有行键、时间戳和列族组成。列族划分为若干个列。其结构如下：
基本概念
表（Table）
HBase采用表来组织数据，表由许多行和列组成，列划分为多个列族。
特点：
- 大：一个表可以是10亿行，上百万列。
- 面向列:面向列(族)的存储和权限控制，列(簇)独立检索。（提升查询的性能）
- 稀疏：对于空（null）的列，并不占用空间，因此，表可以设计非常稀疏。
- 无严格模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列。（读写的时候，都会做格式校验）
行（Row）
在表里面，每一行代表着一个数据对象。每一行都是由一个行键（Row Key）和一个或者多个列组成的。行键是行的唯一标识，行键并没有什么特定的数据类型，以二进制的字节来存储，按字母顺序排序。
因为表的行是按照行键顺序来进行存储的，所以行键的设计相当重要。设计行键的一个重要原则就是相关的行键要存储在接近的位置，例如，设计记录网站的表时，行键需要将域名反转（例如，org.apache.www、org.apache.mail、org.apache.jira），这样的设计能使与 apache 相关的域名在表中存储的位置非常接近。
行键（Rowkey）
- hbase本质上也是一种Key-Value存储系统。Key相当于RowKey，Value相当于列族数据的集合。
- 与非关系型数据库们一样，row key是用来检索记录的主键。
- 访问hbase table中的行，只有三种方式：通过单个行键获取单行数据；通过一个行键的区间来访问给定区间的多行数据；全表扫描。
- Row key行键可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部，row key保存为字节数组。
- 存储时， 数据按照Rowkey的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
列（Column）
列由列族（Column Family）和列限定符（Column Qualifier）联合标识，由“：”进行间隔。
列族（Column Family)
- hbase表中的每个列，都归属与某个列族。
- 列族是表的schema的一部分(而列不是)，列族必须在使用表之前定义
- 列名都以列族作为前缀。例如courses:history ， courses:math 都属于 courses 这个列族。
- 访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能帮助管理不同类型的应用：允许一些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继承的列族、一些应用则只允许浏览数据（甚至可能因为隐私的原因不能浏览所有数据）。
- 开发过程中，一般建议 列族的数量不要超过3个。不建议跨列族查询。
- 列族一旦确定后，就不能轻易修改，因为它会影响到 HBase 真实的物理存储结构，但是列族中的列限定符及其对应的值可以动态增删。
- 表中的每一行都有相同的列族，但是不需要每一行的列族里都有一致的列限定符，所以说是一种稀疏的表结构，这样可以在一定程度上避免数据的冗余。
- 一个列族的所有列成员都有着相同的前缀，例如，courses:history 和 courses:math 都是列族 courses 的成员。“:”是列族的分隔符，用来区分前缀和列名。
- 列族必须在表建立的时候声明，列随时可以新建。
列限定符（Column Qualifier）
- 列族中的数据通过列限定符来进行映射。
- 列限定符不需要事先定义，也不需要在不同行之间保持一致。
- 列限定符没有特定的数据类型，以二进制字节来存储。
单元（Cell）
- 由{row key, column( = + < label>), version} 唯一确定的单元。即HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格。
- 存储在单元里的数据称为单元数据，没有特定的数据类型，以二进制字节来存储。
- cell中的数据是没有类型的，全部是字节码形式存贮。
- 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（Timestamp）
- 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：
a. 保存数据的最后n个版本
b. 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