作者：微信小助手
发布时间：2019-04-27T09:34:49
今天，小史的姐姐和吕老师一起过来看小史，一进屋，就有一股难闻的气味。
可不，小史姐姐走进卫生间，发现地下一个盆子里全是没洗的袜子。
小史：当然不是，盆里的袜子满了，就先放到这个桶里，然后再继续装，等到桶里的袜子满了，然后才放到洗衣机里一次洗完，这样不仅效率高，而且节省水电费。
小史洋洋得意地介绍起自己洗袜子的流程。
小史一听就有点不高兴，全世界都黑程序员，没想到自己还没变成程序员就被自家姐姐黑了。
说完就进自己房间，把姐姐和吕老师晾在外面。小史姐姐也意识到不该拿程序员开玩笑，但现在也不知道该怎么办，就看着吕老师。
吕老师走进小史的房间。
HBase是啥
小史：别吹了，构建在 HDFS 上除了能存储海量数据之外，缺点一大堆，上次你给我介绍的 HDFS 缺点我可没忘啊，不支持小文件，不支持并发写，不支持文件随机修改，查询效率也低。
小史仔细回忆起 HDFS 来：
吕老师：HDFS 确实有很多缺点，但是 HBase 却是一个支持百万级别高并发写入，支持实时查询，适合存储稀疏数据的分布式数据库系统。
吕老师：HBase 主要用于大数据领域，在这方面，确实比 MySQL 要厉害得多啊，它和 MySQL 的存储方式就完全不一样。MySQL 是行式存储，HBase 是列式存储。
列式存储
吕老师：没错，这就是行式存储系统存储稀疏数据的问题，我们再来看看列式存储如何解决这个问题，它的存储结构是这样的：
小史：这个我看懂了，相当于把每一行的每一列拆开，然后通过 Rowkey 关联起来，Rowkey 相同的这些数据其实就是原来的一行。
吕老师：你这里只说到了一个好处，由于把一行数据变成了这样的 key-value 的形式。
所以 HBase 可以存储上百万列，又由于 HBase 基于 HDFS 来存储，所以 HBase 可以存储上亿行，是一个真正的海量数据库。
吕老师：这就是 HBase 的威力呀，还不只如此，其实很多时候，我们做 Select 查询的时候，只关注某几列，比如我现在只关心大家的工资，传统的按行存储，要选出所有人的工资是怎么办的呢？
小史：哦，我大概明白了，原来是这样，所以 HBase 的查询效率也很高，但是我有个问题啊，如果我就要查我的所有信息，这是一行数据，HBase 查询起来是不是反而更慢了呢？
列簇
吕老师：列簇，顾名思义，就是把一些列放在一起咯，在 HBase 中，会把列簇中的列存储在一起，比如我们把和工作相关的 Salary 和 Job 都放在 Work 这个列簇下。
那么大概是这样的：
小史：哦，我明白了，这样的话，一个列簇中的列会被一次就拿出来，如果我要查所有列的信息的话，把所有信息都放在一个列簇就好了。
注意：HBase 中，其实所有列都是在列簇中，定义表的时候就需要指定列簇。生产环境由于性能考虑和数据均衡考虑，一般只会用一个列簇，最多两个列簇。
Rowkey 设计
注：当然，有些中间件把 SQL 翻译成 HBase 的查询规则，从而支持了 SQL 查 HBase，不在本文讨论范围内。
小史：啊？这和我想象的不一样啊，如果我想查询工资比 20w 多的记录，在 MySQL 中，只要用一条很简单的 SQL 就行啊，这在 HBase 中怎么查呢？
吕老师：在 HBase 中，你需要把要查询的字段巧妙地设置在 Rowkey 中，一个 Rowkey 你可以理解为一个字符串，而 HBase 就是根据 Rowkey 来建立索引的。
不熟悉 B+ 树的同学可以看这篇文章。HBase 的 HFile 底层也是一样的原理。
吕老师：假设员工工资 9999w 封顶，查询的时候可能根据员工工资查询，也可能根据名字查询一个特定的员工，那么 Rowkey 就可以这样设计：
注意：以上 Rowkey 是简化版设计，只是为了讲清楚范围查询。实际使用中由于 Rowkey 需要考虑散列性，所以可能不会这么用。后文会具体探讨散列性。
吕老师：HBase 提供了三种查询方式：
全表扫描，Scan。
根据一个 Rowkey 进行查询。
根据 Rowkey 过滤的范围查询。
比如你要查工资不少于 20w 的记录，就可以用范围查询，查出从 startRow=0020 到 stopRow=9999 的所有记录，这是 HBase 直接支持的一种查询方式哦。
吕老师：这里要注意几点，首先，Rowkey 是按照字符串字典序来组织成 B+ 树的，所以数字的话需要补齐，不然的话会出现 123w 小于 20w 的情况，但是补齐的话，你就会发现 020w 小于 123w。
小史：哦，明白了，这都很好理解，因为 Rowkey 是字符串形式，所以肯定是按照字符串顺序排序咯。
而且 Rowkey 有点类似于 MySQL 中的主键吧，所以保证其唯一性也是可以理解的。
还有就是因为每个 key-value 都包含 Rowkey，所以 Rowkey 越短，越能节省存储空间。