HBase应用：Table设计

背景知识

HBase基本类型定义：
Table：表 
RowKey：行健，主键
Column Family：列族，包含一个或者多个相关列
Column：属于某一个columnfamily，familyName:columnName，每条记录可动态添加
timestamp：每次操作对应的时间戳，支持用户自定义，默认为当前时间的毫秒值
value：值，和timestamp一起支持多version的概念

通过HBase Shell可以拿到一条数据，如下：
hbase(main):007:0> scan 'bi.dpdim_imei_dpid_mapping',{LIMIT=>1}
ROW                                                COLUMN+CELL                                                                                                                                       
352784041181135                            column=dim:dpid, timestamp=1400657685457, value=4369382019346202985 
对应内容：
352784041181135 =》 RowKey
dim =》 Column Family
column =》 dpid
timestamp => 1400657685457
4369382019346202985  => value

HBase存储结构：
1.HBase以表（HTable）的形式存储数据
2.HTable包括很多行，每行通过RowKey唯一标记，行按照RowKey的字典序排列，表在行的方向上分割为多个HRegion
3.每行包括一个RowKey和多个Column Family，数据按照Column Family进行物理切割，即不同Column Family的数据放在不同的Store中，一个Column Family放在一个Strore中
4. HRegion由多个Store组成。一个Store由物理上存在的一个MemStrore（内存中）和多个StoreFile（HFile）中

设计

从应用角度，有两点比较重要：
1. HBase中RowKey是按照字典序排列的
2. 不同Column Family的数据，在物理上是分开的

在做table设计的时候，主要围绕上述两点做文章。
RowKey的设计需要根据请求数据特点：
1.单个查询，需要尽量缩小Key的长度
2.范围查询，根据RowKey按字典序排列的特点，针对查询需求设计rowkey，保证范围查询的rowkey在物理上存放在一起
Column Family的设计需遵循：尽量避免一次请求需要拿到的Column分布在不同的Column Family中

实例

对于基于RowKey的范围查询设计，我们来看一个实例：
1. 给出userid，返回这个userid最近插入的N条数据 
2. 给出userid，及一个时间区间，返回这个时间区间的N条数据

针对需求，Key设计如下：
Userid_DataTime_InertTime
Userid：即userid
DataTime：数据所属时间(ms)，定义为：Long.MAX_VALUE - dataTime.getTime()，由于RowKey字典序排列，可以使最近插入的数据排在前面，支持“最近插入的N条数据”的需求
InsertTime：数据入库时间(ns)，取nanotime（InsertTime的存在是由于在这个应用中，Userid+DataTime不能唯一定位一条数据）
Key生成代码如下：

//生成RowKeyprivate String buildPutRowKey(int userId, Date addTime) {        String key = userId + "_" + getRowKeyTimestamp(addTime) + "_" + System.nanoTime();        return key;}//构建DataTimeprivate long getRowKeyTimestamp(Date addTime) {        return Long.MAX_VALUE - addTime.getTime();}