当前位置: 网站首页 > wwwyoule06.com

HBase基本操作

2019-04-11来源:u乐娱乐注册

本文内容:利用SpringBoot整合HBase,基于HBaseJavaAPI的二次封装,可以直接引用jar包使用,目前测试已支持HBase1.1.2和HBase1.4.6两个版本。下文内容为该项目的使用方式,同时也介绍了HBaseJavaAPI的基本使用。项目地址:码云: https://gitee.com/Yao_Qi/HBaseComponent


HBase 组件接口文档


基本概念

table: 表

columnFamily:列族,一个表下可以有多个列族,但是不建议设置多个列族,HBase建议设计长窄型的表而不是短宽型。

qualifier:列,一个列族下可以有多列,一个表中的列可以是不对齐的,但是这样效率不高,同一张表中的列最好是相同的。

cell:一列数据下的一个单元格,一个列下可以有多个单元格,根据版本号区分,默认每次读取最新版本的数据,cell下的存储是数据本身。

row: 行,多列数据组成一行,一行中有多个qualifier。

rowKey: 行健,用于唯一标识一行数据,一行下有多列,行健的设计直接关系到查询的效率。

HBase配置

以下配置为最基础配置,缺一不可。

HBase: conf: quorum: 192.168.80.234:2181,192.168.80.235:2181,192.168.80.241:2181 znodeParent: /hbase-unsecure #如果有更多配置,写在config下,例如: #config: # key: value # key: value

如果需要更多配置,需要在config中配置,以key-value的形式书写。

参数说明

quorum是HBase中zookeeper的配置,znodeParent是HBase配置在zookeeper中的路径。

简单示例

引入组件jar包:

<dependency> <groupId>com.semptian.hbase.component</groupId> <artifactId>hbase-component</artifactId> <version>1.0.1-SNAPSHOT</version> </dependency>

在需要的地方注入HBaseOperations接口,该接口的实现类是HBaseTemplate,通过这个类来操作HBase。

@Autowired private HBaseOperations hBaseDao;

查询一条数据,通过rowKey查询:

public void testQueryTable() { Result result = hBaseDao.queryByTableNameAndRowKey( "LBS", 9223372036854775803L); System.out.println(result.isEmpty()); result.listCells().forEach(cell -> { System.out.println( "row:" + Bytes.toLong(CellUtil.cloneRow(cell)) + ",family:"+ Bytes.toString(CellUtil.cloneFamily(cell)) + ", qualifier: " + Bytes.toString(CellUtil.cloneQualifier(cell)) + ", value:" + Bytes.toString(CellUtil.cloneValue(cell))); }); }

表的基本操作

新建表

创建表通过HBaseTemplate就可以实现,HBaseTemplate类中带有这个方法。

操作示例:

hBaseDao.createTable("HBASE-COMPONENT_1", "CF1", "CF2");

上述代码创建了一张表,HBASE-COMPONENT_1 是表名,CF1,CF2代表这个表有两个列族。

如果有多个列族可以往后面加,列族不建议设置很多个。

删除表

hBaseDao.dropTable("HBASE-COMPONENT_1");

参数是表名,通过表名删除表。

判断表是否存在

hBaseDao.tableExists("lbs");

这里的表名是区分大小写的。返回值:boolean。

新增数据

新增一条数据

需要注意的是在HBase中的存储的数据是不分格式的,都是以字节数组的形式存储,因此在存储一条数据时需要将数据都转化成字节数组。

String格式的数据能直接转换为字节数组getBytes(),但是其他格式的数据需要借助工具作转换。

这里需要格外注意rowKey的格式,用什么格式存就决定了用什么格式取。

hBaseDao.put("HBase-component", "1534154424340", "CF1", "test_1", Bytes.toBytes("testData"));

参数说明:

(1) tableName 目标数据表(2) rowName rowKey(3) familyName 列族名(4) qualifier 列名(5) data 字节数组类型的数据

这里新增一条数据是填充数据到一个cell中去。

批量新增数据

String rowKey = String.valueOf(System.currentTimeMillis());Put put = new Put(rowKey.getBytes());String defaultColumn = "CF1";String column1 = "col1";String column2 = "col2";String column3 = "col3";String value = "test";put.addColumn(defaultColumn.getBytes(), column1.getBytes(), value.getBytes());put.addColumn(defaultColumn.getBytes(), column2.getBytes(), value.getBytes());put.addColumn(defaultColumn.getBytes(), column3.getBytes(), value.getBytes());List<Put> putList = new ArrayList<>();putList.add(put);putList.add(put);putList.add(put);putList.add(put);putList.add(put);hBaseDao.putBatch("HBase-component", putList);

批量插入数据就是使用多个Put对象,putBatch(...)方法的参数:表名,putList(多个put的集合)。注意批量插入数据也都是插入字节数组格式的数据。

删除数据

删除一条数据

hBaseDao.delete("HBase-component", "1534210201115", "CF1", "col2");

参数说明:

(1) 表名

(2) rowKey

(3) 列族名

(4) 列名

这里删除是删除一个cell下的数据

批量删除数据

String tableName = "HBase-component";String rowKey1 = "1534164113922";String rowKey2 = "1534168248328";List<Delete> deleteList = new ArrayList<>();Delete delete = new Delete(rowKey1.getBytes());Delete delete1 = new Delete(rowKey2.getBytes());deleteList.add(delete);deleteList.add(delete1);hBaseDao.deleteBatch(tableName, deleteList);

批量删除需要借助Delete对象。

查询

单条结果查询

Result result = hBaseDao.queryByTableNameAndRowKey("LBS", 9223372036854775803L); System.out.println(result.isEmpty()); result.listCells().forEach(cell -> { System.out.println( " row:" + Bytes.toLong(CellUtil.cloneRow(cell)) + " family:"+ Bytes.toString(CellUtil.cloneFamily(cell)) + " qualifier: " + Bytes.toString(CellUtil.cloneQualifier(cell)) + " value:" + Bytes.toString(CellUtil.cloneValue(cell))); });

queryByTableNameAndRowKey()该方法是通过表名和rowKey查询数据,这里的rowKey支持多种类型,Long,double,Integer几种类型。至于这里传什么类型的参数,取决于插入数据时rowKey的类型,虽然HBase里存储的都是字节数组,但是对类型是敏感的,如果类型对不上可能会出错。

批量扫描

// 构建scanScan scan = new Scan();// 设置时间戳,计算时间差Long timeDifference = 2L * 30L * 24L * 60L * 60L * 1000L;Long endTime = System.currentTimeMillis();Long fromTime = endTime - timeDifference;// 设置时间过滤器FilterList filterList = new FilterList();Filter startTimeFilter = new SingleColumnValueFilter( DEFAULT_COLUMN_FAMILY.getBytes(), DATA_CREATE_TIME.getBytes(), CompareFilter.CompareOp.GREATER, Bytes.toBytes(fromTime));Filter endTimeFilter = new SingleColumnValueFilter( DEFAULT_COLUMN_FAMILY.getBytes(), DATA_CREATE_TIME.getBytes(), CompareFilter.CompareOp.LESS, Bytes.toBytes(endTime));filterList.addFilter(startTimeFilter);filterList.addFilter(endTimeFilter);scan.setFilter(filterList);// 获取结果集ResultScanner resultScanner = hBaseTemplate.queryByScan(TABLE_NAME, scan);// 遍历结果集try{ if (resultScanner != null) { resultScanner.forEach(result -> { List<Cell> cellList = result.listCells(); ... } }}finally{ if (resultScanner != null) { resultScanner.close(); }}

批量查询可以通过queryByScan()方法实现,第一个参数是表名,第二个参数是scan,通过构建不同的scan来查询,过滤器也是在构建scan对象是添加的,可以添加多个过滤器。

需要注意的是这里的ResultScanner类,在遍历结果集时需要使用try-finally结构,在使用完resultScanner对象之后关闭该对象。HBase官方文档上强调了这一点。因此在使用ResultScanner对象时需要格外注意。

常见过滤器:

行健过滤器:RowFilter

列族过滤器:FamilyFilter

值过滤器:ValueFilter

列过滤器:QualifierFilter

单列值过滤器:SingleColumnValueFilter(会返回满足条件的行)

单列值排除过滤器:SingleColumnExcludeFilter(返回排除了该列的结果,与单列值过滤器相反)

前缀过滤器:PrefixFilter(这个过滤器是针对行健的,在构造方法中传入字节数组形式的内容,过滤器会去匹配行健)

页数过滤器:PageFilter(使用pageFilter过滤器的时候需要注意,并不是设置了页数大小就能返回相应数目的结果)

String tableName = "RECOMMEND_ENGINE_DATA_MODEL";Scan scan = new Scan();PageFilter pageFilter = new PageFilter(1);scan.setFilter(pageFilter);ResultScanner resultScanner = hBaseDao.queryByScan(tableName, scan);try{ resultScanner.forEach(result -> { result.listCells().forEach(cell -> { // process });}finally{ if (resultScanner != null) { resultScanner.close(); }}

上面这段代码中设置了页面大小为1,预期是返回一条数据,但是结果会返回两条数据,这时返回的结果数会取决于regionServer的数量。

如果是FilterList,FilterList的顺序会影响PageFilter的效果。

一般比较型过滤器,需要用CompareFilter.CompareOp中的比较运算符。所有的过滤器都是用Scan对象去设置。

多过滤器查询

String tableName = "HBase-component";Scan scan = new Scan();PageFilter pageFilter = new PageFilter(1);SingleColumnValueFilter singleColumnValueFilter = new SingleColumnValueFilter( "CF1".getBytes(), "col1".getBytes(), CompareFilter.CompareOp.EQUAL, new SubstringComparator("group"));singleColumnValueFilter.setFilterIfMissing(true);FilterList filterList = new FilterList();filterList.addFilter(singleColumnValueFilter);filterList.addFilter(pageFilter);scan.setFilter(filterList);ResultScanner resultScanner = hBaseDao.queryByScan(tableName, scan);try { resultScanner.forEach(result -> { result.listCells().forEach(cell -> { System.out.println( " row:" + Bytes.toString(CellUtil.cloneRow(cell)) + " family:"+ Bytes.toString(CellUtil.cloneFamily(cell)) + " qualifier: " + Bytes.toString(CellUtil.cloneQualifier(cell))+ " value:" + Bytes.toString(CellUtil.cloneValue(cell))); }); }); } finally { if (resultScanner != null) { resultScanner.close(); } }

多过滤器需要用到FilterList,也是直接设置到Scan对象中。多过滤器的时候需要注意过滤器的顺序问题,例如上面代码中如果将两个过滤器调换顺序,查询的结果也是不一样的。

结果集的映射

在HBase中,默认所有的顺序都是按照字母序排列,例如CF1列族下有多个列:col1、col2、col3,那么在遍历结果集时,listCells()中的cell的顺序总是按照列名的字母序来排列的。

所以cellList.get(0)就是对应col1中的数据,cellList.get(1)就是对应col2中的数据,cellList.get(2)就是对应col3中的数据。

如果列名为a、b、c那分别对应的下标为cellList.get(0)、cellList.get(1)、cellList.get(2)

, 1, 0, 9);