【HBase分布式数据库】NoSQL与数据模型

任务目的
了解什么是NoSQL，以及NoSQL类型的数据库有哪些
了解HBase的数据模型
任务清单
任务1：NoSQL简介
任务2：数据模型
任务步骤
任务1：NoSQL简介
　　NoSQL(NoSQL = Not Only SQL)，意为"不仅仅是SQL"，即非关系型数据库。NoSQL 是一项全新的数据库革命性运动，早期就有人提出，发展至2009年趋势越发高涨。NoSQL的拥护者们提倡运用非关系型的数据存储，相对于铺天盖地的关系型数据库运用，这一概念无疑是一种全新的思维的注入。

我们可以通过第三方平台可以很容易的访问和抓取数据。用户的个人信息，社交网络，地理位置，用户生成的数据和用户操作日志已经成倍的增加。我们如果要对这些用户数据进行挖掘，那SQL数据库已经不适合这些应用了, NoSQL 数据库的发展却能很好的处理这些大的数据。关系型数据库与非关系型数据库特点如下：

NoSQL

• 代表着不仅仅是SQL

• 没有声明性查询语言

• 没有预定义的模式

• 键值对存储，列存储，文档存储，图形数据库

• 最终一致性，而非ACID属性

• 非结构化和不可预知的数据

• CAP定理

• 高性能，高可用性和可伸缩性

RDBMS

• 高度组织化结构化数据

• 结构化查询语言（SQL） (SQL)

• 数据和关系都存储在单独的表中。

• 数据操纵语言，数据定义语言

• 严格的一致性

• 基础事务

NoSQL的优缺点如下：

优点:

• 高可扩展性

• 分布式计算

• 低成本

• 架构的灵活性，半结构化数据

• 没有复杂的关系

缺点

• 没有标准化

• 有限的查询功能（到目前为止）

• 最终一致是不直观的程序

非关系型数据库种类很多，如图中的总结：

示例-Redis
关键点：超快Blazing fast ，IM data structure engine，支持五种，Key-value最简单。只有Redis有事务机制 。
适合：不支持第二索引，在可以控制的数据库大小情况下(放得下整个内存)，快速改变数据，快速写数据。
案例：股票价格系统 分析，实时数据收集，联系等等。Redis Cluster可以进行复制和手工failover。

示例-Cassandra
关键点：继承BigTable的列结构、Dynamo的最终一致性。按列查询 写快于读Map/reduce possible with Apache Hadoop
适合：当写操作多于读操作 (如logging)。
案例：银行Banking，金融系统，写必须快于都的场合，实时的数据分析等。

示例-HBase
关键点：十亿级别的行 X 百万级别的列大容量大表模型(高一致性)。Map/reduce with Hadoop 能够实时获得基于查询的优化性能的节约型网关适合。
适合：随机实时的读写操作，高吞吐量写，随机访问大数据集。
案例： Facebook 消息数据库 。

任务2：数据模型

以关系型数据的思维下会感觉，上面的表格是一个5列4行的数据表格，但是在HBase中这种理解是错误的，其实在HBase中上面的表格只是一行数据。

1.2-1

行键

– 与时间戳一起，决定一行数据的唯一标识。

– RowKey是按照字典顺序排序的。

– RowKey最多只能存储64k的字节数据。

列族和列

HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema) 定义的一部分预先给出。
列名以列族作为前缀，每个“列族”都可以有多个列成员，新的列族成员（列）可以随后按需，动态加入。Family下面可以有多个Qualifier，所以可以简单的理解为，HBase中的列是二级列，也就是说Family是第一级列，Qualifier是第二级列。两个是父子关系。
权限控制、存储以及调优都是在列族层面进行的。
HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。
目前为止，HBase的列族能能够很好处理最多不超过3个列族。
时间戳

在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间 戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。
时间戳的类型是64位整型。
时间戳可以由HBase(在数据写入时自动)赋值，此时时间戳是精确到毫 秒的当前系统时间。
时间戳也可以由客户显式赋值，如果应用程序要避免数据版本冲突， 就必须自己生成具有唯一性的时间戳。
单元格

由行和列的坐标交叉决定。
单元格是有版本的（由时间戳来作为版本）。
单元格的内容是未解析的字节数组（Byte[]），cell中的数据是没有类型的，全部是字节码形式存贮。
由{row key，column(= +)，version}唯一确定的单元。