HBase 学习（一） Python操作Hbase

一，前言

二，包安装

三，表操作DDL

四，数据操作DML

正文

一，前言

　　上节讲到我们可以用JavaAPI进行Hbase的操作，但是很明显，Java的API很底层，用起来会很不方便，如果你们学习过Python，可以用Python来对Hbase进行操作。

　　happybase使用：https://happybase.readthedocs.io/en/latest/user.html#establishing-a-connection

二，包安装

　　安装thrift：https://blog.csdn.net/y472360651/article/details/79050571

　　安装happybase

pip install happybase

三，表操作DDL

　　创建连接：

connection = happybase.Connection('somehost')  #链接，端口默认是9090   hbase thrift 启动的默认端口也是9090

　　列出所有表：

table_name_list = connection.tables()  # connection.tables()：获取Hbase实例中的表名列表，返回一个list

　　获取表：

table = connection.table(name,user_prefix=True)     # connection.table(name,user_prefix=True)：获取一个表对象，返回一个happybase.Table对象：

• name：表名
• user_prefix：是否使用表前缀，默认为True

　　禁用表：在做一些删除操作之前必须先禁用表

connection.disable_table(name) #disable_table(name)：禁用表，无返回值

• name：表名

　　启用表：

connection.enable_table(name) # enable_table(name)：启用表，无返回值

• name：表名

　　创建表：

families = {
    "cf":dict(),
    "df":dict()
}
connection.create_table(name,families)      # 如果连接时，有传递表前缀参数时，真实表名将会是："{}_{}".format(table_prefix,name)

• name：表名

• families：列族

　　删除表：

connection.delete_table(name,disable=False) #delete_table(name,disable=False)：删除表，无返回值  默认是false，若要删除改为true

• name：表名

• disable：是否先禁用表

四，数据操作DML

　　若要对表进行数据插入等操作，需要先获取表实例。

　　获取表实例：

table = happybase.Table(name,connection) #happybase.Table(name,connection)：获取表实例

• name：表名
• connection：连接

　　获取单元格cells

cells(row, column, versions=None, timestamp=None, include_timestamp=False)  # 获取单元格数据，返回一个list

• row：行

• column：列
• versions：获取的最大版本数量，默认None，即获取所有
• timestamp：时间戳，默认None，即获取所有时间戳版本的数据。可指定一个时间戳，获取小于此时间戳版本的所有数据
• include_timestamp：是否返回时间戳，默认False

　　实例：

content = table.cells('row1','cf:1',5,timestamp=1514861929124,include_timestamp=True)
print content   # [('1', 1514861925674L)]

　　删除指定行数据：

delete(row, columns=None, timestamp=None, wal=True)：删除指定行数据，无返回值

• row：行
• columns：列，默认为None，即删除所有列，可传入一个list或tuple来指定删除列
• timestamp：时间戳，默认为None，即删除所有，可传入一个时间戳来删除小于等于此时间戳的所有数据
• wal：是否写入wal，默认为True

　　实例：

table.delete(row, columns=None, timestamp=None, wal=True)

　　插入数据：

put(row, data, timestamp=None, wal=True)：插入数据，无返回值

• row: 行
• data: 数据，dict类型，{列:值}构成，列与值皆为str类型
• timestamp：时间戳，默认None，即写入当前时间戳
• wal：是否写入wal，默认为True

　　实例：

# 在row1行,cf:1列插入值1
table.put("row1",{"cf:1":"1"})

　　获取一行数据：

row(row, columns=None, timestamp=None, include_timestamp=False)：获取一行数据，返回一个dict

• row：行
• columns: 列，默认为None，即获取所有列，可传入一个list或tuple来指定获取列
• timestamp：时间戳。默认为None，即返回最大的那个时间戳的数据。可传入一个时间戳来获取小于此时间戳的最大时间戳的版本数据
• include_timestamp：是否返回时间戳数据，默认为False

　　实例：

info = table.row(row, columns=None, timestamp=None, include_timestamp=False)

　　获取多行数据：

rows(rows, columns=None, timestamp=None, include_timestamp=False)：获取多行数据，返回一个list

• rows：行，可传入一个list或tuple来指定获取
• columns: 列，默认为None，即获取所有列，可传入一个list或tuple来指定获取列
• timestamp：时间戳。默认为None，即返回最大的那个时间戳的数据。可传入一个时间戳来获取小于此时间戳的最大时间戳的版本数据
• include_timestamp：是否返回时间戳数据，默认为False

　　实例：

info = table.rows(rows, columns=None, timestamp=None, include_timestamp=False)

　　获取扫描器：

scan(row_start=None, row_stop=None, row_prefix=None, columns=None, filter=None,
 timestamp=None, include_timestamp=False, batch_size=1000, scan_batching=None, limit=None, sorted_columns=False, reverse=False)：获取一个扫描器，返回一个generator 

• row_start：起始行，默认None，即第一行，可传入行号指定从哪一行开始
• row_stop：结束行，默认None，即最后一行，可传入行号指定到哪一行结束(不获取此行数据)
• row_prefix：行号前缀，默认为None，即不指定前缀扫描，可传入前缀来扫描符合此前缀的行
• columns：列，默认为None，即获取所有列，可传入一个list或tuple来指定获取列
• filter：过滤字符串
• timestamp：时间戳。默认为None，即返回最大的那个时间戳的数据。可传入一个时间戳来获取小于此时间戳的最大时间戳的版本数据
• include_timestamp：是否返回时间戳数据，默认为False
• batch_size：用于检索结果的批量大小
• scan_batching：服务端扫描批处理
• limit：数量
• sorted_columns：是否返回排序的列(根据行名称排序)
• reverse：是否执行反向扫描

　　实例：

scanner = table.scan(row_start=None, row_stop=None, row_prefix=None,
 columns=None, filter=None, timestamp=None, include_timestamp=False, batch_size=1000, scan_batching=None, limit=None, sorted_columns=False, reverse=False)