HBase 是稀疏的，稀疏主要是针对 HBase 列的灵活性，在列族(column family)中，你可以指定任意多的列，<mark>在列数据为空的情况下，是不会占用存储空间的</mark>。 <br/> HBase 底层存储的数据是 Key/Value 格式的数据。HBase 逻辑上也可以看成一个二维表格，可以添加行，可以动态添加列。  ```sql 在一张表中由 [rowkey, column family, column qualifier, timestamp]: [value] 来找到value。 a, cf1, "bar", 1368394583: 7 a, cf1, "bar", 1368394261: "hello" ``` [TOC] # 1. RowKey RowKey 是用来检索记录的主键。类似关系型数据库中的主键，但是 RowKey在 HBase 中功能不只是为了检索，HBase 中表数据会按照 RowKey 进行排序，并会在 HRegion 达到一定大小后，会按照 RowKey 范围进行裂变。<br/> HBase Table 中的行，只有三种方式： 1. 通过单个 RowKey 访问 2. 通过 RowKey 的 range（正则） 3. 全表扫描 RowKey可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在 HBase 内部，RowKey 保存为字节数组`byte[]`。存储时，数据按照 RowKey 的字典顺序排序存储。设计 RowKey 时，要充分利用排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)。 <br/> # 2. Column Family 列族是 HBase 对表在纵向上的优化，前面介绍过 Region，将一个表横向上切成多个 Region，列族是在纵向进行切分的，将多列分成一组进行管理。 <br/> 列族在物理存储上对应于 HDFS 上的一个目录。HBase 表中的每个列，都归属于某个列族。列族是表的 schema 的一部分(而列不是)，必须在使用表之前定义（也就是创建表时定义）。列名都以列族作为前缀。例如 `courses:history`，`courses:math` 都属于 courses 这个列族。 <br/> 每一个列族对应一个 Store，也对应 HDFS 一个目录，类似于 Hive 分区操作一样，HBase 相当于按列族进行了分区。 <br/> # 3. Cell 由`{RowKey, ColumnFamily, Version}` 唯一确定的单元。其中 Versions 实际上是TimeStamp。 <br/> Cell 可以看成是一个存储空间，类似与 Excel 中的单元格，Cell 中的数据是没有类型的，全部是字节码形式存储。 <br/> # 4. Time Stamp HBase中通过Rowkey和 `ColumnFamily:Column`确定的一个存储单元称为Cell。每个 Cell 都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64 位整型。 <br/> 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。 <br/> 每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。为了避免数据存在过多版本造成的管理 (包括存储和索引)负担，HBase 提供了两种数据版本回收方式。一是保存数据的最后 n 个版本，二是保存最近一段时间内的版本（比如最近七天）。