HBase概念及实践

本节围绕Bigtable的定义“A Bigtable is a sparse，distributed，persistent multidimensionalsorted map.”来进行讲解。

（1）Map

Map是HBase与BigTable的核心概念。Map这种结构类型就是＜key，value＞键值对的集合。很多编程语言中都有这种数据类型。比如在Java语言中，可以通过Map＜String，Object＞person=newHashMap＜String，Object＞（）；建立一个Person对象。要取得某个记录，可以通过HashMap.get（键值）来获得，而键值就是行名称。一个表就是一个Map。

HBase就是把内存中的Map数据写入了文件，并保持与内存中相同的数据存储方式。

（2）Multidimensional

提到Multidimensional（多维）概念，就要说一下HBase的列概念，列概念同样与传统的关系型数据库不太一样，列概念可以理解为嵌套的Map中的键值。

比如在上节中，我们通过get′person′，′skater′来得到行名skater中所有的列信息，HBase在存储数据的时候使用了嵌套Map的数据结构。对应上节中的例子，存储结构如代码清单3-19所示。

【代码清单3-19】

转换为Java程序如代码清单3-20所示。

【代码清单3-20】

在这里，列id，name和gender是Person Map中嵌套的Mapskater对象的键值。而skater对象就是行名称。Skater对象中的键值集合称为列族，在这里取名为Personcf。HBase允许每一行所对应的列名不同。这也是嵌套Map数据结构所允许的。

比如，再创建一个新的Map对象名为Swimmer，该对象可以只有一个属性。(www.xing528.com)

我们依然可以将它放入person Map中存储。所以说HBase就是将内存中的Map数据类型固化到了文件系统中。

（3）Sparse

有了表，行和列的概念，我们来考虑一下sparse这个词，这个词译为“稀疏”。在列族中，各行的列名可以不同，或者某一行可以一列也没有，这就叫做“稀疏”（数据属性不统一）。与传统关系型数据库相比，稀疏存储的数据可以做到根据需要存储。而在关系型数据库中，不管用户是否真的需要给某一列存储数据，都必须占用固定的空间。

（4）Distributed

HBase可以建立在分布式文件系统之上（比如HDFS），这样HBase所存储的数据可以借助分布式文件系统的功能，分散存储到多台计算机上。同时，数据可以利用分布式文件系统的备份功能，在每台计算机上实现数据备份。

（5）Sorted

在HBase中存储的数据会按照键值的字母顺序进行排列。

比如在skater行中使用的id，name以及gender列，在取出的时候顺序为gender，id和name。

这样做的第一个优点是大大节省了查询时排序的时间损耗。因为此类系统一般存储大量的数据，如果取数据的时候再排序，会耗费大量的计算时间，故在存储的时候就按照一定的顺序存放数据，来缩短查询的时间。另一个优点是，由于使用行名作为键值，与某一行名类似的行名在存储上也是相邻的，这提高了相关关键字查找的效率。比如，在传统关系型数据库中用户要查找所有以“s”开头的数据，则需要遍历整张表。而在HBase中，只要找到第一个开头为“s”的记录，再找到第一个开头不为“s”的记录就可以找到所有以“s”开头的记录。

现在我们掌握了HBase的基本概念，让我们将HBase部署到分布式环境中。