HBase - 数据模型的特殊属性 | 那伊抹微笑

博文作者：妳那伊抹微笑

csdn 博客地址：http://blog.csdn.net/u012185296
itdog8 地址链接 : http://www.itdog8.com/thread-190-1-1.html
博文标题：HBase - 数据模型的特殊属性 | 那伊抹微笑

个性签名：世界上最遥远的距离不是天涯，也不是海角，而是我站在妳的面前，妳却感觉不到我的存在

技术方向：Flume+Kafka+Storm+Redis/Hbase+Hadoop+Hive+Mahout+Spark ... 云计算技术

转载声明：可以转载, 但必须以超链接形式标明文章原始出处和作者信息及版权声明，谢谢合作！

qq交流群：214293307

（期待与你一起学习，共同进步）

1 版本
Rowkey、Column（列族和列）、Version 组合在一起称为 HBase 中的一个单元格。有可能会有很多单元的行和列是相同的，要区分不同的单元可以使用版本。

1.1 含版本的操作

1.1.1 Get / Scan
Get 是在 Scan 基础上实现的。Get 同样可以用 Scan 来描述。在默认情况下，如果没有指定版本，一旦使用 Get 操作，会返回最近版本的 Cell （该 Cell 可能是最新写入的，但不能保证一定是）。默认的操作可以这样修改 ：

返回两个以上版本，使用 Get 类的 setMaxVersions()
返回的版本不只是最近的，使用 Get 类的 setTimeRange()
...
更多的可以直接参考 API

1.1.2 Put
一个 Put 操作会为一个 Cell 创建一个版本，默认使用当前时间戳，当然也可以自己设置这个值。

1.1.2 Delete

内部删除标记有三种不同类型 ：
Delete ： 删除列的指定版本
Delete Column ： 删除列的所有版本
Delete Family ： 删除特定列族所有列

1.2 现有的限制

1.2.1 删除标记后错误读取新数据

1.2.2 主合并改变查询的结果

2 排序
Get 和 Scan 操作返回的是经过排序的数据。列在服务端也是字典排序的，所以按照名称的字典顺序返回。
返回的数据首先按 Rowkey 字典顺序排序，其次是列族（Family），然后是列修饰符（Column Qualifer），最后是时间戳方向排序，最新的在最前面。

3 列的元数据
HBase 表中的列族，除了 KeyValue 实例以外，没有关于元数据的描述，KeyValue 对象表示 HBase 的最小单位是 Cell。
HBase 的表不仅在一行中支持很多列，而且支持行之间有不同的列，所有需要单独维护行和列之间的关系。
获取列族的完整列的唯一方法是处理所有行（真是个悲伤的故事）

4 连接查询 Join
简单来说是不支持的，至少不像传统 RDBMS 那样支持。需要用户自己实现。
方法 1：写入 HBase 的时候已经做好连接
方法 2：查询表并在应用程序做连接
所以还得看业务

5 计数器
IncrementColumnValue（简称 ICV）是 HBase 的计数器，可以使用它完成一些简单的计数，比如 PV。
ICV 操作发生在 RegionServer 上，而不是在客户端，所以速度快。
当其他客户端也在访问同一个单元格（Cell）时，可以避免出现不一致的情况。
ICV 操作等同于 Java 的 AtomicLong.addAddGet() 方法。

6 原子操作
HTableInterface 接口提供了 :
checkAndPut() 方法和
checkAndDelete() 方法
它们可以在维持原子语义的同时提供更精细的控制。
可以用 checkAndPut() 来实现 IncrementColumnValue() 方法

7 事务性 ACID
传统的 SQL 数据库的事务通常都是支持 ACID 的强事务机制。而 HBase 这种 NoSQL 数据库仅提供对行级别的原子性保证，也就是说同时对同一个 key 下的数据进行两个操作，在实际执行的时候会串行执行，保证了每一个 KeyValue 对不会被破坏。

更多 HBase 的 ACID 语义参考 ： http://hbase.apache.org/acid-semantics.html

8 行锁

HBase API 中 put ()、delete()、checkAndPut() 等修改操作是独立执行的，这意味着在一个串行方式的执行中，对于每一行必须保证行级别的操作是原子性的。

RegionServer 提供了一个行锁特性，这个特性保证了只有一个客户端能获取一行数据相应的锁，同时对该行进行修改。

9 自动分区
HBase 中一个表的数据会被划分成很多 Region，Region 可以动态扩展并且HBase保证Region的负载均衡。Region实际上是行键排序后的按规则分割的连续的存储空间。如果
Region 太大，会被动态拆分，相反，多个 Region 会合并成一个较大的 Region，以减少 HDFS 上存储文件的数量。这两个过程就是 HBase 的 split 和 compaction。
刚刚创建表的时候只有一个 Region，随着数据的写入，达到 Region 上限配置时，Region
会按照中间键自动地拆分成两个大致相等的 Region，每个 Region 由一个 RegionServer 管理，一个 RegionServer 处理器管理者许多的 Region 。

Region 的拆分和转移是由 HBase 自动完成的，用户感知不到，当一个 RegionServer
服务器发生故障时，Region 可以快速地被转移到其他服务器上，Region 的拆分过程也是瞬间完成的。

当 Region 进行拆分时，首先要将该 Region 下线（offline），拆分完成后新的 Region
再上线（online），下线的 Region 暂时不可用，不过由于速度极快，通常不会对数据的读写造成影响。

10 CAP 原理与最终一致性

小结 :
HBase 最为 NoSQL 数据库的一个代表和传统关系型数据库在概念上有相似之处，但也有非常大的差别。
HBase 更多的是为了扩展性和性能考虑，弱化了事务性。