HBase是一个NoSQL数据库，用于处理海量数据。HBase的特点
- 大：一个表可以有上亿行，上百万列。
- 面向列：面向列表（簇）的存储和权限控制，列（簇）独立检索。
- 稀疏：对于为空（NULL）的列，并不占用存储空间，因此，表可以设计的非常稀疏。
- 无模式：每一行都有一个可以排序的主键和任意多的列，列可以根据需要动态增加，同一张表中不同的行可以有截然不同的列。
- 数据多版本：每个单元中的数据可以有多个版本，默认情况下，版本号自动分配，版本号就是单元格插入时的时间戳。
- 数据类型单一：HBase中的数据都是字符串，没有类型。
首先来了解下HBase的表结构。
为了更好的理解HBase表的思路，先看一下关系数据库中表的处理方式。例如有一个用户表user_info，有字段：id、name、tel，那么表名和字段需要在建表时指定：
create table user_info (
id 类型,
name 类型,
tel 类型
)然后插入数据： insert into user_info values(...)
此时表结构如下：
id | name | tel |
1 | 小明 | 123 |
2 | 小王 | 456 |
后来字段不够用了，新用户需要记录地址，就要新增一个字段：
id | name | tel | addr |
1 | 小明 | 123 | |
2 | 小王 | 456 |
以后再增加需求时，就继续新增字段，或者添加一个扩展表。
下面看一下HBase的处理方式，HBase建表时要指定的是：表名、列族。建表语句 create 'user_info', 'base_info', 'ext_info'
意思是新建一个表，名称是user_info，包含两个列族base_info和ext_info。列族是列的集合，一个列族中包含多个列，这时的表结构：
row key | base_info | ext_info |
… | … | … |
插入一条用户数据：name为‘a’，tel为‘123’，插入语句
put 'user_info', 'row1', 'base_info:name', 'a'
put 'user_info', 'row1', 'base_info:tel', '123'意思是向user_info表中行键为row1的base_info列族中添加一项数据 name:a，接着又添加一项数据tel:123。name和tel就是具体字段，属于base_info这个列族
这时的表结构：
row key | base_info | ext_info |
row1 | name:a, tel:123 |
再插入一条数据：name为‘b’，addr为‘beijing’：
put 'user_info', 'row2', 'base_info:name', 'b'
put 'user_info', 'row2', 'ext_info:addr', 'bj'这时的表结构：
row key | base_info | ext_info |
row1 | name:a, tel:123 | |
row2 | name:b | addr:bj |
到此大致对HBase的表结构有了个初步的认识。
HBase数据模型中一些名词的概念:
表(Table): HBase会将数据组织进一张张的表里面，但是需要注意的是表名必须是能用在文件路径里的合法名字，因为HBase的表是映射成hdfs上面的文件。
行(Row): 在表里面，每一行代表着一个数据对象，每一行都是以一个行键（Row Key）来进行唯一标识的，行键并没有什么特定的数据类型，以二进制的字节来存储。
列族(Column Family): 在定义HBase表的时候需要提前设置好列族, 表中所有的列都需要组织在列族里面，列族一旦确定后，就不能轻易修改，因为它会影响到HBase真实的物理存储结构，但是列族中的列标识(Column Qualifier)以及其对应的值可以动态增删。表中的每一行都有相同的列族，但是不需要每一行的列族里都有一致的列标识(Column Qualifier)和值，所以说是一种稀疏的表结构，这样可以一定程度上避免数据的冗余。
列标识(Column Qualifier): 列族中的数据通过列标识来进行映射，其实这里可以不用拘泥于“列”这个概念，也可以理解为一个键值对,Column Qualifier就是Key。列标识也没有特定的数据类型，以二进制字节来存储。
单元(Cell): 每一个行键，列族和列标识共同组成一个单元，存储在单元里的数据称为单元数据，单元和单元数据也没有特定的数据类型，以二进制字节来存储。
时间戳(Timestamp): 默认下每一个单元中的数据插入时都会用时间戳来进行版本标识。读取单元数据时，如果时间戳没有被指定，则默认返回最新的数据，写入新的单元数据时，如果没有设置时间戳，默认使用当前时间。每一个列族的单元数据的版本数量都被HBase单独维护，默认情况下HBase保留3个版本数据。
存储类型
TableName 是字符串
RowKey 和 ColumnName 是二进制值（Java 类型 byte[]）
Timestamp 是一个 64 位整数（Java 类型 long）
value 是一个字节数组（Java类型 byte[]）。
存储结构
可以简单的将HTable的存储结构理解为
SortedMap (
RowKey, List (
SortedMap (
Column, List (
Value, Timestamp
)
)
)
)即HTable按Row key自动排序，每个Row包含任意数量个Columns，Columns之间按Column key自动排序，每个Column包含任意数量个Values。理解该存储结构将有助于查询结果的迭代。
下图可以帮助理解一下存储结构：
