知识卡片

普通读书笔记卡 · 9754.o · 生成模型:DeepSeek-V4.1-Flash

HBase 的三维数据模型

理解等级:中级

HBase 表看起来像关系表,实际是三维的键值存储:行、列、版本。

  • 行:访问数据的主要入口,也是数据在集群中分布与定位的依据。行键怎么设计,直接决定哪些查询快、哪些慢。
  • 列:由列族与列限定符联合表示,写作”列族:限定符”。列族是高层分组,建表时只需声明列族,新的列限定符可以在写入时随时出现——这是它相对关系库的强项,适合结构会变的非结构化数据。
  • 版本:每个单元格可保存多个随时间变化的值,默认取写入时的系统时间戳,按版本降序存放,读取默认返回最新版本。

由此推出两条设计原则:行键按访问模式设计,例如存邮件时用”邮箱加发送时间”拼接,按邮箱取很快、按日期范围扫很慢;列族控制在两三个以内,因为列族物理上分开存储,跨列族读取要扫多个目录,违背分组初衷。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第10章 高级分析技术与工具:MapReduce和Hadoop · 查看原书依据

      HBase是一个分布于集群节点上的数据存储。与Hadoop以及许多相关的Apache项目一样,HBase建立在HDFS之上,并通过将工作负载分散到分布式集群中的大量节点来实现实时的访问速度。一个HBase表包含行和列。然而,一个HBase表还包含了一个第3维度:版本,用来保持列随时间变化的不同值。

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第10章 高级分析技术与工具:MapReduce和Hadoop(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0020_split_002.html) - 结论依据:依据 10.2.3 节对 HBase 表三个维度、列族与列限定符表示法、版本默认取系统时间戳,以及行结构与列族数量的设计考量。 - 原始内容:HBase是一个分布于集群节点上的数据存储。与Hadoop以及许多相关的Apache项目一样,HBase建立在HDFS之上,并通过将工作负载分散到分布式集群中的大量节点来实现实时的访问速度。一个HBase表包含行和列。然而,一个HBase表还包含了一个第3维度:版本,用来保持列随时间变化的不同值。