HBaseAPI 存储模型

本文介绍如何在 OceanBase 中添加适合 HBase 的存储模型。

前提条件

已连接 OceanBase 数据库。 您可使用 OBClient 或 MySQL 客户端登录 OceanBase，具体方法可参考 通过 OBClient 连接 OceanBase 租户 和 通过 MySQL 客户端连接 OceanBase 数据库。

存储模型

建表语法

HBase table 中的每一个 column family，在 HBase 类型的数据库下（当前的实现并没有约定数据库），对应下列形式的一个关系表。假设我们要建立一个 HBase 数据表，SQL 示例如下：

CREATE TABLE htable1$family1 (
  K varbinary(1024),
  Q varbinary(256),
  T bigint,
  V varbinary(1048576) NOT NULL,
  PRIMARY KEY(K, Q, T));

参数说明：

• htable1 为建立的 HBase 表名，可自行命名。

• family1 为 column family，可自行命名。

  说明

  表名与列簇名之间用美元符号（$）连接。

• K 列存储 HBase 表的 rowkey。

• Q 列存储 column qualifier。

• T 列存储时间戳版本 timestamp，一般为自 1970-01-01 UTC 至今的毫秒。

• V 列存储值 value，使用了 varbinary 类型，最长 1 MB，如果长度不够，可以用 longblob 类型。

• K、Q、T 组成联合主键，这样可以标识主键的唯一性。

通过上述 SQL 建表，一个 HBase 表中行的若干列数据，在关系表中存储为相邻的若干行，每一行存储 Hbase 的一个 cell ：<row, column family, column qualifier, timestamp, value>

注意

由于 HBaseAPI 依赖于 TableAPI 的底层实现，且 TableAPI 不支持跨分区事务，因而 HBaseAPI 不支持全局索引。

模板表

表模式是固定的，可以建一个模板表，其他表可以通过 SQL CREATE TABLE LIKE 建表，例如：

CREATE TABLE htable2$family2 LIKE htable1$family1;

分区方式

上述建表过程中没有包含分区方式，建立的表是一个非分区表，仅适用于数据量很小的场景。一般情况下 HBase 业务表数据量都比较大，所以我们需要建立 分区表。目前，OceanBase 数据库的 HBase 模型不能像 Apache HBase 一样自动进行分区（region）分裂，所以需要在建表的时候选择一种分区方式。您可以参考如下流程决定使用哪一种分区方法。

Key 分区

如果您的业务中没有用 Scan 进行范围扫描，或者说您只需要 Get 接口，那么使用 Key 分区。分区数需要是奇数，最好是素数，建议值为 97、193、389 等。Key 分区的显著优点是数据分布均匀，一般不会出现数据倾斜和热点。示例如下：

CREATE TABLE htable1$family1 (
  K varbinary(1024), 
  Q varbinary(256), 
  T bigint, 
  V varbinary(1048576) NOT NULL, 
  PRIMARY KEY(K, Q, T)) 
PARTITION BY KEY(K) PARTITIONS 97;

虚拟列结合 Key 分区

如果您在业务中必须使用 Scan，但是扫描范围总是 rowkey 的一个定长前缀（前缀扫描），可以在 K 上定义一个虚拟列，然后对这个虚拟列进行 Key 分区。通过这样的方式，可以保证每次扫描只涉及一个分区。除非前缀数据有倾斜，这种分区方式也有利于避免热点。示例如下：

CREATE TABLE htable1$family1 (
  K varbinary(1024),， 
  Q varbinary(256), 
  T bigint, 
  V varbinary(1048576), 
  K_PREFIX varbinary(1024) GENERATED ALWAYS AS (substring(K, 1, 4)), 
  PRIMARY KEY(K, Q, T)) 
PARTITION BY KEY(K_PREFIX) PARTITIONS 97;

参数说明：

函数 substring(K, 1, 4) 表示取 K（即 HBase 表的 rowkey）的前 4 个字节为子串，这里的 “4” 需要根据业务 rowkey 特点，替换为前缀长度。

Range 分区

如果您不仅需要前缀扫描和 Get，那么必须建立 range 分区。建议您需要预先对 rowkey 的分布进行估计或采样，选定 range 分区的分割点。如果预估不合理，这种分区方式很容易造成数据倾斜和热点，因尽量避免采用这种方式。示例如下：

CREATE TABLE htable1$family1 (
  K varbinary(1024), 
  Q varbinary(256), 
  T bigint, 
  V varbinary(1048576), 
  PRIMARY KEY(K, Q, T)
) 
PARTITION BY RANGE columns (K) 
(
  PARTITION p0 VALUES LESS THAN ('a'), 
  PARTITION p1 VALUES LESS THAN ('w'), 
  PARTITION p2 VALUES LESS THAN MAXVALUE);

参数说明：

通过 'a' 和 'w' 把整个 rowkey 值域空间分为3段。

多 column family 支持

与原生 HBase 在一个表中支持多列簇的不同，OceanBase 不支持多列簇。但可以通过建立上面章节描述的多个表（例如 htable1$family1，htable1$family2 ）在客户端实现多 column family。对于上述使用方式，建议您把这些表放入同一个 OceanBase 数据库的 Table Group 中，详细操作，请参考 如何创建 Table Group，这样可以保证跨 column family 的操作没有跨机分布式事务。