為啥要把表設計拿出來獨立成章？因為我覺得像我這樣搞了很多年Java後端開發的技術人員，在學習HBase的時候，會受到關係型資料庫3NF、BCNF的影響。事實上，資料庫正規化在HBase裡完全沒用，必須轉變思想。因此把這一點單獨寫出來，供類似情況的技術人員參考。

HBase邏輯檢視

這個圖看起來像是Excel表格，不同的是，它的一個單元格可以有多個版本的資料，這是HBase的多版本特性，預設版本數是1。實際儲存格式是每個單元格一行記錄，如下圖。

hbase(main):003:0> scan 'test'
ROW                         COLUMN+CELL                                                                    
 rowkey1                    column
 
=cf:level, timestamp=1608108298860, value=P9                             
 rowkey1                    column=cf:name, timestamp=1607677762394, value=guanyu                          
 rowkey2                    column=cf:salary, timestamp=1607328820620, value=200w                          
 rowkey3                    column
 
=cf:corp, timestamp=1607330730061, value=Alibaba                         
 rowkey4                    column=cf:name, timestamp=1607331563986, value=XiaoYaoZi                       
4 row(s)
Took 1.7952 seconds 

我們再來看看存放在HDFS裡的hfile檔案內容。

[hadoop@server01 hadoop]$ hbase hfile -p -f /hbase/data/default/test/bc89689612a0269a2216349bd23133ec/cf/c66c7553a5d6488a9e1e57ca2b0a5577
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding 
 
in [jar:file:/usr/hadoop-3.3.0/share/hadoop/common/lib/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/usr/hbase-2.2.6/lib/client-facing-thirdparty/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
2020-12-16 18:30:46,116 INFO  [main] metrics.MetricRegistries: Loaded MetricRegistries class org.apache.hadoop.hbase.metrics.impl.MetricRegistriesImpl
K: rowkey1/cf:level/1608108298860/Put/vlen=2/seqid=27 V: P9
K: rowkey1/cf:name/1607677762394/Put/vlen=6/seqid=14 V: guanyu
K: rowkey2/cf:salary/1607328820620/Put/vlen=4/seqid=0 V: 200w
K: rowkey3/cf:corp/1607330730061/Put/vlen=7/seqid=0 V: Alibaba
K: rowkey4/cf:name/1607331563986/Put/vlen=9/seqid=0 V: XiaoYaoZi
Scanned kv count -> 5

這個檔案可以很明顯地看出，它是一個鍵值儲存系統，鍵包含rowkey、列族、列名（列識別符號）、時間戳、資料型別（Put、Delete）、字元陣列長度、seqid。值就是單元格儲存的值。

這個鍵佔用了大量的空間，而且不同資料它們的列族列名完全是一樣的，太浪費空間了，這就需要用到HBase的壓縮，壓縮方式請自行檢視官網。

seqid是個什麼東西？百度了一下，可能是一個時間序列的標識，提示老的HLog是否可以刪除。

HBase表設計原則

• 行鍵根據需求來設計，儘量短，儘量只調用一次API就可以完成需求。
• HBase原生語法不支援表join操作，適當使用冗餘來簡化查詢操作。
• 列名（列識別符號）可以儲存資料，每一條記錄的列名可以完全不同，但是儘量短。

表設計實戰

以微博關注為例來做一個小小的表設計，可能與微博實際不符，僅用於說明設計方法。

關注關係如下：

景天關注重樓、龍葵、雪見

飛蓬關注景天、重樓

重樓關注飛蓬、紫萱

龍葵關注景天

雪見關注景天

紫萱關注雪見

這是一個多對多的關係，如果是關係型資料庫，至少要兩張表來存放。一張表存放人物資訊，一張表存放人物關注關係。

時刻要想到，HBase沒有join操作，只能用一張表來存放關注和被關注的資訊，這肯定會存在資料冗餘。不要怕，HBase可以支援十億級別的列和百萬級別的行，冗餘不是問題。

我們可以這麼設計

是不是驚呆了，這都什麼玩意。這種設計可以只用一次API呼叫就查出每個人關注了誰，每個人被誰關注了，按照需求來合理設計。