理解HBase和BigTable
本文翻译自Jim R. Wilson的Understanding HBase and BigTable。
学习HBase（Google BigTable的开源实现）最难的部分，就是从概念上理解它到底是什么。
我觉得挺不幸的是，这两个很棒的系统的名字用了表（table) 和库（base）这样的字眼，这很容易把熟悉关系型数据库的那些人（像我自己）搞晕。
这篇文章主要想从概念上描述清楚这两个分布式数据存储系统，读完它以后，当你面对“该用HBase还是该用传统数据库”这样的问题的时候，应该能够做出更加明智的决定。
都在术语里边
幸运的是，Google的BigTable论文清楚地解释了BigTable实际上是什么。这是论文“Data Model”部分的第一句话：
BigTable是一个稀疏的，分布式的，持久化的，多维的，有序的映射表(map)。
注意：读完上面这句话以后，有些读者可能有点晕，现在可以定一下神。
这篇论文接着解释道：
这个map是用row key，column key, 和timestamp来做索引的，每个在map里的值都是未经处理的字节数组。
同样地，HBase架构文档指出：
HBase使用的数据模型与BigTable非常相似。用户将数据行存在有标签的表中。一个数据行有一个可排序的key 和任意多个列。表的存储是稀疏的，所以只要用户喜欢，同一张表的数据行能够有疯狂变化着的不同数量的列。
虽然这一切看起来相当神秘，但是当你把它分成一个个单词的话，就可以理解了。我将按照以下这个顺序来讨论它们：映射表，持久化，分布式，有序，多维度，和稀疏。
与其尝试整个儿来理解一个系统，我发现化整为零更容易理解。
映射表
本质上来说，HBase和BigTable就是一个map。取决于编程语言背景，你可能更熟悉关联数组（PHP），字典（Python），哈希（Ruby），或者对象（JavaScript）。
根据维基百科，map是一个抽象的数据类型，由一个键的集合和一个值的集合组成，每一个键对应一个值。
下边的是个简单的用JSON语法描述的map的例子，它的所有值都是字符串类型：
{
"zzzzz" : "woot",
"xyz" : "hello",
"aaaab" : "world",
"1" : "x",
"aaaaa" : "y"
}持久化
持久化就是说你存进这个特殊的map中的数据“一直存在”，即使创建了或访问了它的程序都已经者结束了。这个概念与其他的持久化存储没什么区别，比如文件系统。接着讲。。。
分布式
HBase和BigTable建立于分布式文件系统之上，以致于底层的文件存储能够分布在一系列的独立的机器上。
HBase是基于Hadoop的分布式文件系统（HDFS）或者亚马逊的简单存储服务（S3）的上层应用，而BigTable则是基于Google文件系统（GFS）。
数据的副本被复制到多个机器节点上的方式和数据在磁盘冗余阵列（RAID）里面分布的方式有点相似。
对于本文的目的来说，我们并不关心具体使用的是哪种分布式文件系统。重要的是知道它是分布的，这样数据在比如集群内的某个节点挂掉时，有一定保障。
有序的
不同于大部分的map的实现，在HBase/BigTable里，键值对严格按字母表顺序排序，就是说键为”aaaaa”的数据行的下一个行键应该是”aaaab”，并且列键为”zzzzz”的数据行比较远。
继续我们的JSON例子，排序后是这样：
{
"1" : "x",
"aaaaa" : "y",
"aaaab" : "world",
"xyz" : "hello",
"zzzzz" : "woot"
}由于这些系统通常很大很分布，这个有序的特点实际上非常重要。相近的键对应的数据行存储在一起，这样当你需要扫描表的时候，你最感兴趣的记录是彼此临近的。
这一点对于选择键的规范是重要的。举个例子，如果一个表的键是域名，将域名反过来写是非常有必要的（用“com.jinbojw.www”而不是“www.jimbojw.com”)，这样子域名的数据行会比较临近父域名的数据行。
继续考虑域名这个例子，键为“mail.jimbojw.com”的数据行将会靠近“com.jimbojw.www”的数据行，而不是临近比如“mail.xyz.com”这种数据行。如果不将域名反过来，就会出现后者这种情况。
注意HBase/BigTable中的有序不是值有序而是键有序。除了键，没有自动索引任何其它东西，这一点就好象普通的map实现一样。
多维度
直到目前，我们还没有提到任何“列”的概念，在概念上我们把“table”当成普通的hash/map，这完全是有意的。“列”这个词像“表”和“库”一样是另一个沉重的单词，承担了多年的关系型数据库经验的感情包袱。
相反，我觉得将它看做一个多维度的map（或者嵌套的map，如果愿意的话）更容易。我们的JSON例子添加一个维度的话，就成了下边这个样子：
{
"1" : {
"A" : "x",
"B" : "z"
},
"aaaaa" : {
"A" : "y",
"B" : "w"
},
"aaaab" : {
"A" : "world",
"B" : "ocean"
},
"xyz" : {
"A" : "hello",
"B" : "there"
},
"zzzzz" : {
"A" : "woot",
"B" : "1337"
}
}在上边的例子中，你会注意到，现在每个键都指向一个正好有两个键“A”“B”的map。从现在开始，我们把最顶层的键值对看做是“行”。而且，按照BigTable和HBase的命名规则，“A”和“B”映射表则被称为“列簇”。
一个表的列簇在表被创建的时候就被指定了。并且以后难以或者说不可能被修改。添加一个列簇也有可能非常昂贵，所以最好一开始就一次性指定好你需要的列簇。
幸运的是，一个列簇可能有任意个数量的列，用“column qualifier”或者“列标签”来标识。下边我们的JSON例子的一部分，这次加上了列标识：
{
// ...
"aaaaa" : {
"A" : {
"foo" : "y",
"bar" : "d"
},
"B" : {
"" : "w"
}
},
"aaaab" : {
"A" : {
"foo" : "world",
"bar" : "domination"
},
"B" : {
"" : "ocean"
}
},
// ...
}注意这两行数据里，“A”列簇有两个列：“foo”和“bar”，“B”列簇仅有一列，并且其列标识为空字符串。
当查询HBase/BigTable的数据时，你必须提供全列名，格式为“
注意，虽然列簇是不变的，但是列是可变的。考虑下面这行扩展了的数据：
{
// ...
"zzzzz" : {
"A" : {
"catch_phrase" : "woot",
}
}
}这里，数据行“zzzzz”有且仅有一列，“A:catch_phrase”。因为每行可有任意多的不同的列，没有内置的方法来列出所有行中的所有列。要得到这个信息，你得做一个全表扫描。但是你可以查询所有的列簇，因为他们（基本上）是不可变的。
HBase/BigTable里最后的维度是时间。所有的数据都是有版本的，要么是整数的时间戳（Unix时间戳），或者用户选择的其他整数。客户端会在插入数据的时候指定时间戳。
考虑加上了用户指定的整数时间戳的例子：
{
// ...
"aaaaa" : {
"A" : {
"foo" : {
15 : "y",
4 : "m"
},
"bar" : {
15 : "d",
}
},
"B" : {
"" : {
6 : "w"
3 : "o"
1 : "w"
}
}
},
// ...
}每个列簇可以自己决定一个数据单元保留多少个版本（一个rowkey/column唯一指定一个数据单元）。大多数的情况下，应用只会简单的请求给定的数据单元的数据，而不指定时间戳。那样，HBase/BigTable将会返回最新的版本（时间戳最大的版本），因为它是按时间倒序排序的。
如果应用程序要获取一个特定的行并指定时间戳，HBase将会返回时间戳小于或等于给定的时间戳的那个数据单元。
用我们假想的HBase表，查询行／列为“aaaaa”/“A:foo”的数据单元将会返回”y“，而查询行／列／时间戳 为“aaaaa”/“A:foo”/10的数据单元将会返回“m”，当查询行／列／时间戳 为“aaaaa”/“A:foo”/2 将会返回一个空的结果。
稀疏
最后的关键词是稀疏。像上边提到的，一个给定的数据行的每个列簇能有任意多的列，或者根本没有列。另一种类型的稀疏是基于数据行的空隙，仅指键值之间的空隙。
这只有用本文基于map的术语，而不是用关系型数据库的相关概念来理解HBase/BigTable，才会觉得非常合理。
结束语
希望对你理解HBase的数据模型有所帮助。