HBase 是稀疏的，稀疏主要是針對 HBase 列的靈活性，在列族(column family)中，你可以指定任意多的列，<mark>在列數據為空的情況下，是不會占用存儲空間的</mark>。 <br/> HBase 底層存儲的數據是 Key/Value 格式的數據。HBase 邏輯上也可以看成一個二維表格，可以添加行，可以動態添加列。  ```sql 在一張表中由 [rowkey, column family, column qualifier, timestamp]: [value] 來找到value。 a, cf1, "bar", 1368394583: 7 a, cf1, "bar", 1368394261: "hello" ``` [TOC] # 1. RowKey RowKey 是用來檢索記錄的主鍵。類似關系型數據庫中的主鍵，但是 RowKey在 HBase 中功能不只是為了檢索，HBase 中表數據會按照 RowKey 進行排序，并會在 HRegion 達到一定大小后，會按照 RowKey 范圍進行裂變。<br/> HBase Table 中的行，只有三種方式： 1. 通過單個 RowKey 訪問 2. 通過 RowKey 的 range（正則） 3. 全表掃描 RowKey可以是任意字符串(最大長度是 64KB，實際應用中長度一般為 10-100bytes)，在 HBase 內部，RowKey 保存為字節數組`byte[]`。存儲時，數據按照 RowKey 的字典順序排序存儲。設計 RowKey 時，要充分利用排序存儲這個特性，將經常一起讀取的行存儲放到一起。(位置相關性)。 <br/> # 2. Column Family 列族是 HBase 對表在縱向上的優化，前面介紹過 Region，將一個表橫向上切成多個 Region，列族是在縱向進行切分的，將多列分成一組進行管理。 <br/> 列族在物理存儲上對應于 HDFS 上的一個目錄。HBase 表中的每個列，都歸屬于某個列族。列族是表的 schema 的一部分(而列不是)，必須在使用表之前定義（也就是創建表時定義）。列名都以列族作為前綴。例如 `courses:history`，`courses:math` 都屬于 courses 這個列族。 <br/> 每一個列族對應一個 Store，也對應 HDFS 一個目錄，類似于 Hive 分區操作一樣，HBase 相當于按列族進行了分區。 <br/> # 3. Cell 由`{RowKey, ColumnFamily, Version}` 唯一確定的單元。其中 Versions 實際上是TimeStamp。 <br/> Cell 可以看成是一個存儲空間，類似與 Excel 中的單元格，Cell 中的數據是沒有類型的，全部是字節碼形式存儲。 <br/> # 4. Time Stamp HBase中通過Rowkey和 `ColumnFamily:Column`確定的一個存儲單元稱為Cell。每個 Cell 都保存著同一份數據的多個版本。版本通過時間戳來索引。時間戳的類型是 64 位整型。 <br/> 時間戳可以由 HBase(在數據寫入時自動 )賦值，此時時間戳是精確到毫秒的當前系統時間。時間戳也可以由客戶顯式賦值。如果應用程序要避免數據版本沖突，就必須自己生成具有唯一性的時間戳。 <br/> 每個 cell 中，不同版本的數據按照時間倒序排序，即最新的數據排在最前面。為了避免數據存在過多版本造成的管理 (包括存儲和索引)負擔，HBase 提供了兩種數據版本回收方式。一是保存數據的最后 n 個版本，二是保存最近一段時間內的版本（比如最近七天）。