HBaes表的设计以及hbase表与RDBMS表的区别

hbase表与RDBMS表的区别：

属性	hbase	RDBMS
数据类型	只有字符串	丰富的数据类型
数据查找	简单的增删改查	各种各样的函数与表连接
存储模式	基于列式存储	基于表结构与行式存储
数据保护	更新后可以保留之前版本	保留最新版本
可伸缩性	轻易增加节点，兼容性高	需要中间层，牺牲功能

HBase与 RDBMS 的区别在于： HBase 的 Cell （每条数据记录中的数据项）是具有版本描述的 versioned，行是有序的，列 qualifier ）在所属列簇 Column families ）存在的情况下，由客户端自由添加。

HBase数据模式

1、表（table）：hbase在表中组织数据。表名是字符串和字符的组合，可以在文件系统路径中使用。

2、rowkey：行名，hbase通过rowkey来对数据进行检索，首先系统通过找到某个rowkey所在的region，然后将查询数据的请求发送至该region。因此rowkey的设计很重要，rowkey设计要 遵循散列原则，这样才能避免某个region同时被多个客户访问，而有的region处于空闲状态（这就是热点问题），通常我们可以通过对rowkey进行哈希值处理，取反，rowkey前加随机数来设置rowkey的散列性，避免热点区。

3、列簇：行中的数据通过列族来组织。列族也暗示了数据的物理排列。所以列族必须预先定义，并且不容易被修改。每行都拥有相同的列族，可能有些行的数据为空。列族是字符串和字符的组合，可以在文件系统路径 。并且列簇数量不能多，一般在3个一下。
中使用。

4、时间戳：单元数据是有版本的。版本的区分就是他们的版本号，版本号默认就是时间戳。当写入数据时，如果没有指定时间，那么默认的时间就是系统的当前时间。读取数据的时候，如果没有指定时间，那么返回的就是最新的数据。保留版本的数量根据每个列族的配置。默认的版本数量是3。

在设计表时我们要思考：

• 1、列簇的个数
• 2、列簇使用什么数据
• 3、列名是什么尽管列名不需要在建表时定义，但在读写数据是需要知道
• 4、单元应该存放什么数据
• 5、每个列簇多少个时间版本
• 6、Rowkey 结构是什么，应该包含什么信息

设计表时我们要遵从的原则：

• 1.行键在表设计中非常重要，决定着应用中的交互以及提取数据的性能。
• 2.hbase表示非常灵活的，你可以使用字节数组存储任何数据。
• 3.存错任何数据到列族中，都可以使用相同的访问模式来访问数据。
• 4.索引仅仅是行键，好好利用，将成为你的优势。
• 5.深度高的表结构，可以使得你快速且简单的访问数据，但是却丢掉了原子性。宽度广的表结构，可以保证行级别的原子操作，但每行会有很多的列。
• 6.你需要好好的思考你的表设计，使得可以使用单条API就可以操作，而不是使用多条。hbase不支持跨行的事务，也尽量避免在客户端代码中使用这样的逻辑。
• 7.行键的哈希可以使得行键有固定的长度和更好的分布。但是却丢弃了使用字符串时的默认排序功能。
• 8.列标识可以用来存储数据，就像单元数据一样。
• 9.列标识的长度影响数据存储的足迹。也影响硬盘和网络IO的花销，所以应该尽量简洁。
• 10.列族名字的长度影响到发送到客户端的数据长度。所以尽量简洁。

例子：

怎么把这三张关系数据库的表设计为HBase表，并满足需求1和2.

需求1：设计一张表可以查看学生的学号、项目、选修课程编号、课程名称。

1、首先选择rowkey。因为rowkey具有唯一性，所以我们可以选择学生ID为rowkey，并把学生ID进行反转，这样可以避免热点区。

2、选择多少个簇，列名是什么。我们把学生的学号、姓名分为一个簇student，把选修的课程iD课程名分为另一个簇course，列名为课程ID,值为课程名，这样course簇就会有很多列。宽度广的表结构，可以保证行级别的原子操作。

3、 每个列簇多少个时间版本。student簇与rowkey为1对1关系，一个学号不能有多个姓名，所以student簇版本设置为1,。 

course簇设计为列名为课程ID,值为课程名。所以设置course簇版本为1。

最终设计的表结构为：

rowkey	student		course
studentID	studentID	studentName	01（课程ID）	02	....
201601	201601	lisi	english	math	....