在本文中的HBase术语:
基于列:column-oriented
行:row
列组:column families
列:column
单元:cell
理解HBase(一个开源的Google的BigTable实际应用)最大的困难是HBase的数据结构概念究竟是什么？首先HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库.另一个不同的是HBase基于列的而不是基于行的模式.
Google's BigTable论文清楚地解释了什么是BigTable：
Bigtable是一个疏松的分布式的持久的多维排序的map,这个map被行键,列键,和时间戳索引.每一个值都是连续的byte数组.(A Bigtable is a sparse, distributed, persistent multidimensional sorted map. The map is indexed by a row key, column key, and a timestamp; each value in the map is an uninterpreted array of bytes.)
Hadoop wiki的HBase架构页面提到：
HBase使用和Bigtable非常相同的数据模型.用户存储数据行在一个表里.一个数据行拥有一个可选择的键和任意数量的列.表是疏松的存储的,因此用户可以给行定义各种不同的列.(HBase uses a data model very similar to that of Bigtable. Users store data rows in labelled tables. A data row has a sortable key and an arbitrary number of columns. The table is stored sparsely, so that rows in the same table can have crazily-varying columns, if the user likes.)
实质上,HBase和BigTable是个map.相同于数组(PHP),词典(Pyhton),Hash(Ruby)或者Object(Javascript)中的表现形式.所以每一行是一个map,这个map中还可以有多个map(基于列组).获取一个数据就像你从map中获取数据一样.给定一个行名(即从这个map中获取数据),然后给定一个key(列组名+限定词)来取得数据.
HBase 和BigTable都是在分布式文件系统上构建的,所以基础的文件存储能够散布在分布式文件系统的机器上.
HBase使用Hadoop's Distributed File System(HDFS) 或 Amazon's Simple Storage Service(S3),Kosmos Distributed File System(KFS), 与此一样BigTable使用Google File System(GFS).数据被复制到多个节点就像数据被存储在一个RAID系统上.
不像大多数的map应用,在HBase和BigTable中,key/value 是非常严格地按字母次序排列的.那就是意味着键值为"aaaaa"的行下一个行的键值为"aaaab",但是和键值为"zzzzz"的行离的很远.因为这些系统都是非常庞大和分布式的, 这些特性是非常重要的. 空间接近的列保证当你确定要浏览表时, 你感兴趣的行将会靠近这行.当你选择行的键值时,这是非常重要的事情.例子：考虑你表中的列是域名.最好是倒过来的(因此"com.jimbojw.www"比"www.jimbojw.com"更好) ,因为你的子域名将会靠近你的主域名.注意在HBase中排序仅仅是kay排序,value是不排序的.
在下面的JSON数据中,我们看到整个数据结构是一个map,并且map中每一个key对应一个包含 "A"和"B"的map.假设整个下面数据是一个table,那么它有"1"."aaaaa","aaaab","xyz","zzzzz"这几个行,每一个行有一个"A"和"B"的map.在HBase的术语中, 称"A"和"B"为列组.
{ "1" : { "A" : "x", "B" : "z" }, "aaaaa" : { "A" : "y", "B" : "w" }, "aaaab" : { "A" : "world", "B" : "ocean" }, "xyz" : { "A" : "hello", "B" : "there" }, "zzzzz" : { "A" : "woot", "B" : "1337" }}
在HBase中一个列组通过限定词或叫做标签使每一个列组能够包含许多的列.
{ "aaaaa" : { "A" : { "foo" : "y", "bar" : "d" }, "B" : { "" : "w" } }, "aaaab" : { "A" : { "foo" : "world", "bar" : "domination" }, "B" : { "" : "ocean" } }, "zzzzz" : { "A" : { "catch_phrase" : "woot", } "B" : { "" : "1337" } }}
在上面的例子中,在"aaaaa"的行中,列组"A"包含两个列:"foo"和"bar",列组"B"仅仅有一个限定词为空字符窜""的列.当我们向HBase获取数据时,你必须提供完整的列名字"<列组>:<限定词>".因此上面的例子中行"aaaaa"和"aaaab"都包含三个列:"A:foo", "A:bar"和"B:".尽管在行中列组是固定的,但是同一个列中限定词可以是不同的,就像行"zzzzz"中列组"A"中只有一个列"catch_phrase".最后的维度是时间戳(timestamp).所有的在HBase中存储的数据都有一个用时间戳表示的版本或者你自己通过指定时间戳来插入或获取数据.
{ "aaaaa" : { "A" : { "foo" : { 15 : "y", 4 : "m" }, "bar" : { 15 : "d", } }, "B" : { "" : { 6 : "w" 3 : "o" 1 : "w" } } }}
每一个列可以指定多少版本的数据被保存在每一个单元.在上面的例子中行"aaaaa"的列"A:foo"包含两个倒序时间戳排列的数据15和4,列"B"包含由三个倒序时间戳排列的数据.一般的应用程序只是简单(不通过时间戳)的请求一个单元的数据.在这种条件下,HBase只是简单地返回最新的版本,即时间戳最大的版本.要获取"A:foo"返回"y",要获取"B"返回"w".如果应用程序在一个行中请求时带上时间戳,HBase将会返回小于或等于请求时间戳的数据.接着上面的例子如果程序请求"A:foo"带上时间戳10,返回"m",加上时间戳3,返回null.
每一个行可以多个列族,每一个列族可以包含无数个列,每一个列都可以有一个不同于其他列的时间戳.在通用数据库中当表创建时我们就已经定义了列,如果修改表结构的话会非常困难(比如:添加一列).在HBase中我们可以很轻松地添加一个列族或列.
HBase性能选项:
就像在关系数据库中一样这个列是使用CHAR,VARCHAR或者TEXT一样会影响数据存储和性能一样,HBase性能选项也同样影响着HBase的性能.在HBase中所有的列在同一个列组中拥有同样的MAX_VERSIONS,MAX_LENGTH,COMPRESSION,IN_MEMORY和BLOOMFILTER特性.
HBase使用Hadoop的MapFile来存储数据和索引,MapFile调用SequenceFile写数据,SequenceFile可以让你选择如何压缩数据.MapFile的索引文件是采用BLOCK压缩的.数据文件取决于你的设置,在HBase中默认是对列组中的数据不压缩的,但是有两个选项可以让这个列组中的数据压缩:BLOCK和RECORD.
Block压缩,假定你有单独的列包含大块的数据并且你只想保存一个版本的数据.在这种情况下,你可能让这个列组支持Block压缩.因为这种压缩选项为了取得更好的压缩比率压缩多列数据.
RECORD压缩,假定你拥有许多行包含数据,并且每一个列你想要保存多个版本.你可能让这个列组支持RECORD压缩,因为这种压缩会让每一个列的数据连续地在一起.
尽管压缩比率BLOCK压缩比RECORD压缩要更好一些,但是在理论上RECORD压缩的访问时间要更快,因为不需要解压key(HStoreKey)而只是解压value这部分数据.
如果这个列组支持布隆过滤器(BLOOMFILTER),那么在内存中有个索引来快速地判断要查找的列是否存在这个行中,减少磁盘IO操作.如果在这个列组你拥有大量的列,每一个列的数据包含的数据非常小，你可能需要在这个列组中应用布隆过滤器。HBase中Bloom Filter的使用已经非常清楚地描述描述了布隆过滤器的用法和容错率算法.
IN_MEMORY特性选项,
如果这个列组装载数据到内存,我们将的到将会加快读写的优势.磁盘的读写和内存的读写当然没法相比.劣势是所有的数据装载在内存将会花费我们的内存,还会干预HDFS的备份,因为数据会比往常更少次数往磁盘的写入.
MAX_LENGTH and MAX_VERSIONS列组特性从总体性能来看是非常重要的,但是很少影响实际的功能.实际上上面这两个特性控制每一个单元保存多少版本的数据(默认是3)和每个单元中的版本能够保存多少字节的数据(默认是32位有符号整形).
本文基本上从下面网址翻译并加上我自己组织的一些段落,希望能够对大家有所帮助：
Understanding HBase and BigTable
Understanding HBase column-family performance options