HBase是一个查询极其快速的非关系型数据库，它在实时读写和实时访问上有着巨大的优势，并且非常灵活。今天小鸟就从HBase的存储结构来向大家揭秘其强大之处。

之前小鸟已经介绍过HBase的系统架构了，没有看过的同学欢迎翻阅之前的文章：大数据Hadoop工具，HBase系统架构简介

下面正式进入今天的主题：HBase的存储结构

先来看下面这幅图：

这是一个HBase表的存储结构模型，其中有4个字段。分别为Rowkey（主键）、Time Stamp（时间戳）、CF（列族）、CF：xx（列）。这看上去是一个数据表，但是对于HBase而言，这只是一行数据。看到这大家可能会比较迷惑，这明明就是数据表嘛，我用了这么多年excel，你可别骗我。

为了方便理解，我们先来举个例子，请看下面这幅图：

这是一个普通的数据表，名为legens。其中有5列数据，分别为id、名字，出生日期，外号和出生地。有些小伙伴看到表里的内容应该会很熟悉，但是这并不是重点。假如，现在有些人不止1个外号了。有些人有2个甚至3个外号，这时如果要将数据存入数据表，则需要修改表结构，修改结果如下：

如果接下来还有别的字段要添加，比如性别等。那么这个表结构还需要修改。因此在统计结构不严谨的数据的时候，普通的关系型存储结构并不好用。那么如果使用HBase的话，如何存这些数据呢？请看下图：

这就代表着一行数据，和普通的数据表类似但又不完全像，接下来小鸟就按照前面的过程来讲解。

首先，rowkey是主键，它决定一行数据。rowkey在生成的时候就会排好序，排序规则按照字典顺序。所谓字典顺序就是ABCD、1234。Rowkey只能存储64k的字节数据，如果太长则影响性能。

Timestamp是时间戳，每插入一次数据都会有一个时间戳，其作用是标识本次加入的数据，起到一个版本的作用，HBase在插入数据的时候默认版本号就是时间戳。这个字段可以自己修改定义，但是一般都采用默认的时间戳。

通常获取数据就是获取时间戳最近的一条数据。假如现在加入一条数据。Cf1:name=劫。那此时如果获取rowkey为1的一行下，cf1为name的数据时，获取到的就是劫而非亚索。

因为此时劫是新加入的，HBase在做数据更新的时候就是利用新数据来覆盖旧数据的。

Cf是列族，全称是Colunm Family。HBase表中的每个列都属于一个列族。列族必须作为表模式事先定义完毕。例如create ‘legens’ ‘cf1’ ‘cf2’ ‘cf3’……。一个列族下的所有数据都存于一个目录下，由几个文件保存。

除此之外，权限控制、存储和调优都是在列族层做处理的，因为表在建模的时候并不会考虑有多少列。

列族一般不轻易修改。

name、born、alias等都是列，列名以列作为前缀。例如cf1:name。一个列族有多个列成员，上述cf1就有name、born、alias1、alias2、alias3。并且列在后续可以按需求增加。加入现在要在cf1中加入height，则直接添加cf1:height=xxx。

确定一个列的某个属性的值需要四个值来确定，分别是rowkey、列族、列名、和timestamp。

最后要说明的是，HBase中存储的数据是没有类型的，全部都是以字节码的形式存储。

以上就是本次HBase存储结构的全部内容了，有任何疑问欢迎私信或者评论，小鸟将第一时间解答。另外开黑也可以的。

原文地址：http://baijiahao.baidu.com/s?id=1602525873755230836&wfr=spider&for=pc