標籤：

為什麼說HBase是列式資料庫？

01-15

小弟才疏學淺，最近剛剛接觸到HBase，都說HBase的rowkey設計很關鍵，查詢的時候正確使用rowkey可以避免掃表量過大，提高查詢效率，而且數據存儲的時候就是按照rowkey來分片的，這樣說的話HBase更應該說成key-value資料庫才對嗎，為什麼大家都說是列資料庫呢？

最近隱隱覺得 hbase 的 "column oriented" 跟 "列式資料庫" 中的含義似乎有點區別：

  • hbase 語境中的列是數據的一個維度，可以動態增長列的數量，而列數據的磁碟組織仍與 row store 無異，相鄰的行數據有存儲局部性。
  • 而 "column store" 相對於 "row store" 在磁碟布局方面的差異更為本質，每一列都獨立相鄰存儲，便於對列內同質的數據做批量操作。

不過 hbase 裡面 column family 的概念更接近 column store 中的列。

Hbase的存儲方式就決定了列資料庫！！

1、存儲方式：在HBase中，Key-Value是最小的存儲單元。每一個Key-Value對應一個列，Value對應於一個列的列值。

2、Rowkey作用：而且HBase是根據Rowkey來進行檢索的（索引），系統通過找到某個Rowkey所在的Region，然後將查詢數據的請求路由到該Region獲取數據。

所以設計Rowkey就決定了未來你的查詢性能

3、hbase為什麼叫列式存儲？

因為hbase列的可以動態增加，並且列為空就不存儲數據,節省存儲空間。

舉個例子吧，概念說多了也不直觀，如下：

1）Mysql結構化數據：你要指定一個表user，你必須預先定義好各個欄位，姓名、年齡、ID。後期要擴展新欄位麻煩

2）Hbase列式存儲：你只要設計好rowKey，定義好列簇，至於裡面什麼屬性，有多少欄位類型，無需預先定義好，擴展性極佳，需要的列欄位可以不停的增加。

也許前期你就姓名、年齡、ID三個欄位，未來你隨時可以存儲第四個欄位，第五個欄位，第n個欄位到你的列簇里，因為同一個列簇中的所有數據都存儲在一個文件里。

HBase應該叫列簇資料庫，而不是列資料庫。

key value是說邏輯上 實際上value被分割為列族

推薦閱讀：

※HBase讀性能怎麼樣？
※從百萬級別數據的分析角度，Mysql，Mongodb，Hbase如何選擇？
※怎麼看hadoop的源碼，求大神指教？

TAG:資料庫 | HBase |