什么是列簇（Family）？
列簇是基礎(chǔ)信息或公司域名或水果類。列是基礎(chǔ)信息：面貌、基礎(chǔ)信息：年齡、公司域名:org、公司域名：edu、水果類：蘋果、水果類：香蕉。
qualifier是列的名字。
[圖片上傳中...(image.png-371d2f-1553349122734-0)]
所以可以簡(jiǎn)單的理解為，HBase中的列是二級(jí)列，
也就是說Family是第一級(jí)列，Qualifier是第二級(jí)列。兩個(gè)是父子關(guān)系。
cell
由{row key，column(=<family> +<qualifier>)，version}
唯一確定的單元。
一般get出來的為最新版本，也可以指定
get 'me','weihongrao',{COLUMNS=>['f1:age','f1:home'],VERSIONS=>2}
列簇的特點(diǎn)：
1、一張表通常有一單獨(dú)的列簇，而且一張表中的列簇不會(huì)超過5個(gè)。
2、列簇必須在創(chuàng)建表的時(shí)候定義。
3、表的列簇?zé)o法改變。
4、每個(gè)列簇中的列數(shù)是沒有限制的。
5、同一列簇下的所有列會(huì)保存在一起。
6、列在列簇中是有序的。
7、列在運(yùn)行時(shí)創(chuàng)建。
8、列只有插入后才會(huì)存在，空值并不保存。
列簇的作用
權(quán)限控制、存儲(chǔ)以及調(diào)優(yōu)都是在列族層面進(jìn)行的
實(shí)際應(yīng)用中，列族上的控制權(quán)限能 幫助我們管理不同類型的應(yīng)用：我們?cè)试S一些應(yīng)用可以添加新的基本數(shù)據(jù)、一些應(yīng)用可以讀取基本數(shù)據(jù)并創(chuàng)建繼承的列族、一些應(yīng)用則只允許瀏覽數(shù)據(jù)（甚至可能因 為隱私的原因不能瀏覽所有數(shù)據(jù)）。
重點(diǎn)：列簇與數(shù)據(jù)存儲(chǔ)
對(duì)同一個(gè)行鍵的訪問都會(huì)落在同樣的物理節(jié)點(diǎn)上。如果表包含2個(gè)列簇，屬于兩個(gè)列簇的文件還是保存在相同的節(jié)點(diǎn)上。因此，行鍵和節(jié)點(diǎn)存在一一對(duì)應(yīng)的關(guān)系。
每一列簇都會(huì)保存在自己的文件集合中。在列簇中檢索某列是順序的I/O。從2個(gè)列簇中讀取數(shù)據(jù)表示需要讀取HDFS中2個(gè)不同的文件和塊。所有的存儲(chǔ)設(shè)置都需要在列簇級(jí)別指定。
Region雖然是分布式操作的最小單元，但并不是存儲(chǔ)的最小單元，在region里面，又劃分了很多更小的單位進(jìn)行存儲(chǔ)，如下所示
- Region由一個(gè)或者多個(gè)Store組成，每個(gè)Store保存一個(gè)ColumnFamily
- 每個(gè)Store又由一個(gè)memStore和多個(gè)storefile組成
- memstore存儲(chǔ)在內(nèi)存中，storefile存儲(chǔ)的HDFS上
RegionServer打開一個(gè)region的時(shí)候，會(huì)創(chuàng)建一個(gè)相應(yīng)的HRegion對(duì)象。當(dāng)這個(gè)HRegion被打開，他會(huì)為每一個(gè)表中的每一個(gè)列簇創(chuàng)建一個(gè)Store實(shí)例，就像用戶之前創(chuàng)建的那樣。每一個(gè)Store實(shí)例相應(yīng)地有一個(gè)或者多個(gè)StoreFile實(shí)例，StoreFile是真正存儲(chǔ)數(shù)據(jù)的文件(HFile)的（hdfs系統(tǒng)中對(duì)應(yīng)的目錄）
一個(gè)Store還會(huì)有一個(gè)Memstore。
每一個(gè)HRegionServer中的所有東西會(huì)共享一個(gè)HLog實(shí)例。（WAL實(shí)例）
hbase table中每個(gè)列簇都對(duì)應(yīng)著region中的一個(gè)store，在hdfs系統(tǒng)中則對(duì)應(yīng)著一個(gè)目錄，如果列簇中尚無數(shù)據(jù)，怎該目錄為空，也就是該store下還沒有storefile。
關(guān)于列簇的數(shù)量
如果只有一個(gè)family，那么每一次讀都會(huì)讀取當(dāng)前rowkey的所有數(shù)據(jù)，網(wǎng)絡(luò)和io上會(huì)有一些損失。
如果family設(shè)置的很多那么獲取每一個(gè)cell數(shù)據(jù)的優(yōu)勢(shì)越明顯，因?yàn)閕o和網(wǎng)絡(luò)都減少了
當(dāng)然如果要獲取的是固定的幾列數(shù)據(jù)，那么把這幾列寫到一個(gè)family中比分別設(shè)置family要更好，因?yàn)橹恍枰淮握?qǐng)求就能拿回所有數(shù)據(jù)。
每一個(gè)family都會(huì)分配一個(gè)memstore，所以更多的family會(huì)消耗更多的內(nèi)存。
其次,目前版本的hbase，在flush和compaction都是以region為單位的，也就是說當(dāng)一個(gè)family達(dá)到flush條件時(shí)，該region的所有family所屬的memstore都會(huì)flush一次，即使memstore中只有很少的數(shù)據(jù)也會(huì)觸發(fā)flush而生成小文件。
--->小的文件多了就會(huì)增加compaction的幾率（合并小文件）
– 目前為止HBase的列族能能夠很好處理最多不超過3個(gè)列族。
對(duì)于傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)中的一張table，在業(yè)務(wù)轉(zhuǎn)換到hbase上建模時(shí)，從性能的角度應(yīng)該如何設(shè)置family和qualifier呢？
最極端的，可以每一列都設(shè)置成一個(gè)family，也可以只有一個(gè)family，但所有列都是其中的一個(gè)qualifier，那么有什么區(qū)別呢？
family越多，那么獲取每一個(gè)cell數(shù)據(jù)的優(yōu)勢(shì)越明顯，因?yàn)閕o和網(wǎng)絡(luò)都減少了，而如果只有一個(gè)family，那么每一次讀都會(huì)讀取當(dāng)前rowkey的所有數(shù)據(jù)，網(wǎng)絡(luò)和io上會(huì)有一些損失。
當(dāng)然如果要獲取的是固定的幾列數(shù)據(jù)，那么把這幾列寫到一個(gè)family中比分別設(shè)置family要更好，因?yàn)橹恍枰淮握?qǐng)求就能拿回所有數(shù)據(jù)。
以上是從讀的方面來考慮的，那么寫呢？可以參考一下這篇文章：
http://hbase.apache.org/book/number.of.cfs.html
首先，不同的family是在同一個(gè)region下面。而每一個(gè)family都會(huì)分配一個(gè)memstore，所以更多的family會(huì)消耗更多的內(nèi)存。
其次,目前版本的hbase，在flush和compaction都是以region為單位的，也就是說當(dāng)一個(gè)family達(dá)到flush條件時(shí)，該region的所有family所屬的memstore都會(huì)flush一次，即使memstore中只有很少的數(shù)據(jù)也會(huì)觸發(fā)flush而生成小文件。這樣就增加了compaction發(fā)生的機(jī)率，而compaction也是以region為單位的，這樣就很容易發(fā)生compaction風(fēng)暴從而降低系統(tǒng)的整體吞吐量。
第三，由于hfile是以family為單位的，因此對(duì)于多個(gè)family來說，數(shù)據(jù)被分散到了更多的hfile中，減小了split發(fā)生的機(jī)率。這是把雙刃劍。更少的split會(huì)導(dǎo)致該region的體積比較大，由于balance是以region的數(shù)目而不是大小為單位來進(jìn)行的，因此可能會(huì)導(dǎo)致balance失效。而從好的方面來說，更少的split會(huì)讓系統(tǒng)提供更加穩(wěn)定的在線服務(wù)。
上述第三點(diǎn)的好處對(duì)于在線應(yīng)用來說是明顯的，而壞處我們可以通過在請(qǐng)求的低谷時(shí)間進(jìn)行人工的split和balance來避免掉。
因此對(duì)于寫比較多的系統(tǒng)，如果是離線應(yīng)該，我們盡量只用一個(gè)family好了，但如果是在線應(yīng)用，那還是應(yīng)該根據(jù)應(yīng)用的情況合理地分配family。
