python使用happybase库操作hbase

若想深入理解Hbase的系统架构，推荐：https://www.jianshu.com/p/479bc6308381

happybase官方文档：https://happybase.readthedocs.io/en/latest/api.html#

使用happybase库操作hbase

先安装该库 pip install happybase

然后确保 hadoop 和 hbase 可用并开启

• 能进行hdfs操作就代表hadoop正常运行
• 能在 hbase shell 下使用 list 命令并不报错就代表能正常运行

开启thrift

使用命令开启

./usr/local/hbase/bin/hbase-daemon.sh start thrift

使用命令 jps 查看是否开启成功

QuorumPeerMain：zookeeper开启后的节点（我自己搭建的zookeeper，不是使用hbase自带的）

Hmaster：hbase的主节点

ThriftServer：hbase使用上面的命令开启后产生的节点

Main：使用hbase shell之后就产生了，关闭hbase shell就退出了，他可有可无，不影响本次操作

NameNode：hdfs的主节点

HRegionServer：hbase开启后的节点，它用于负责数据的读写服务

Jps：java的一个进程

SecondaryNameNode：hdfs的辅助节点，保证了NameNode中元数据的安全和可靠

DataNode：hdfs存储数据的节点

Python连接hbase

1. 连接操作

import happybase

con = happybase.Connection('192.168.31.105')
con.open()  # 打开传输
print(con.tables())  # 输出所有表名
con.close()  # 关闭传输

进入Connection对象中，左边列出了许多Connection对象中可以操作的函数，这些函数能在表级上操作表，如创建表，禁用表，删除表（hbase中要先禁用表后才能删除表），创建表对象等

其中最常用的是创建表对象，table函数就是创建表对象，定位到table函数这里，发现他返回的是Table()对象，继续跟进Table对象

左边是Table对象下的函数，里边有查看单元格，查看列，删除数据，创建数据等。

hbase表的结构

想对表的数据进行操作，得先懂表的结构

• 和关系型数据库（RDBMS）不同，hbase的表有列簇，可以理解为一个组，比如描述一个人要很多数据，比如身份信息（名字、性别、年龄、电话号码、家庭住址等），行为信息（访问了那些页面、在页面操作了什么等），可能还有很多种类的信息用来描述一个人（方便向他推荐什么产品）。如果把这些信息都像关系型数据库那样放在同一个表中作为列，那么以后取数据的时候会头大，几百几千列，列簇的好处就体现出来了，可以将这些信息归类到一个组中，如身份信息组，行为信息组等。列簇可以增加
• 行键是唯一的，相当于关系型数据库的主键，用来标识一行。行可以增加
• 一个列簇之下可以有N多个列。列可以增加，与RDBMS不同，RDBMS在某一列中没有值时，也会占用该空间，而hbase不会占用空列
• 如：zhong、18、110等数据都有版本，或者说时间戳，它们都是同一个意思，一个数据写下之后，系统自动记录下当前写入的时间戳，和数据存放在一起。为了防止对数据的误操作，或为了程序不同版本功能的控制，有了版本的概念，首先对一个数据进行重复赋值时，新的值并没有覆盖掉之前的值，而是以时间戳来存放不同的值，一个时间戳就代表一个版本。删除一个数据时，并不是直接将该数据从磁盘清除，而是像操作系统的删除操作般，将该信息标记为不可读，并且在hbase中删除只是删除最近的一个时间戳信息，旧版本的时间戳信息没有被删除，下一次读取数据时，就会读取到剩下的最近的一个时间戳信息。默认有三个时间戳
• 一个信息如“男”或者“110”等，又称为单元格（cell），标识一个数据要使用到的信息：表名、行键、列簇:列名、时间戳
• hbase没有数据类型之分，如：没有整形，浮点型，布尔值等，只有一个字符类型
• hbase建立数据后，会根据行键进行排序，这样使查询变快。就像查字典似的，如果一页一页的查找就很慢，如果按拼音，就可以确定一个区域，然后就可以在这个区域内查找，当然，实际可能比这个过程更复杂

可以想象自己是阿里的数据分析师，现在要分析一个人，首先需要标识一个人，给他个编号，0001就代表他了；我想从身份、性格、行为、心理这四方面分析他，我就建立四个列簇，分别代表四个方面；昨天我分析他行为时，只记录了他点开了某个页面，可今天我突然想到，他可能是误点了，或随意点了一下，不能代表他喜欢那个商品，然后我在行为列簇中增加了一列，该列记录了他在该页面停留的时间；我为淘宝的用户设置了10个等级，然后设置记录等级的列簇的选项中设置最大10个版本，昨天他还是1级，由于他经常逛淘宝，他今天的等级提升到2级，我就知道了他有点喜欢逛淘宝，我就给他发一个10元通用的优惠卷，可我用2级的时间戳减去1级的时间戳后发现，他只用了3个小时，我就知道了他逛了好久，通过行为分析，我发现他经常在两个商家中逛同一件商品，似乎在比较两家商品哪个性价比更高，由于A商店跟我们公司的合作比较深入，我就给他发了一个优惠A商店20元的优惠卷。

当要分析另一个人时，重复以上操作，从这里可以看出，hbase是注重列的

创建表

import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开thrift传输，TCP连接

families = {
    'wangzherongyao': dict(max_versions=2),  # 设置最大版本为2
    'hepingjingying': dict(max_versions=1, block_cache_enabled=False),
    'xiaoxiaole': dict(),  # 使用默认值.版本默认为3
}
con.create_table('games', families)  # games是表名，families是列簇，列簇使用字典的形式表示，每个列簇要添加配置选项，配置选项也要用字典表示

print(con.tables())

配置选项：

• max_versions (int类型)
• compression (str类型)
• in_memory (bool类型)
• bloom_filter_type (str类型)
• bloom_filter_vector_size (int类型)
• bloom_filter_nb_hashes (int类型)
• block_cache_enabled (bool类型)
• time_to_live (int类型)

启动或禁用表

要设置或者删除表时，必须得先禁用表，再删除。只能禁用或启动一次，不能重复，否则报错。

# 禁用表
import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开thrift传输，TCP连接

con.disable_table('games')  # 禁用表，games代表表名
print(con.is_table_enabled('games'))  # 查看表的状态，False代表禁用，True代表启动
print(con.tables())  # 即使禁用了该表，该表还是存在的，只是状态改变了

con.close()  # 关闭传输

# 启动表
import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开thrift传输，TCP连接

con.enable_table('games')  # 启动该表
print(con.is_table_enabled('games'))  # 查看表的状态，False代表禁用，True代表启动
print(con.tables())  # 即使禁用了该表，该表还是存在的，只是状态改变了

con.close()  # 关闭传输

删除表

删除一个表要先将该表禁用，之后才能删除。下面的delete_table函数不但可以禁用表还可以删除表。如果前面已经禁用了该表，delete_table函数就可以不用加第二个参数，默认为False

import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开thrift传输，TCP连接

con.delete_table('games', disable=True)  # 第一个参数表名，第二个参数表示是否禁用该表

print(con.tables())

建立数据

这里向单元格写一个数据。

注意：如果写数据时没有这个列名，就新建这样的列名，再写数据。

在 hbase shell 中，使用put命令，一次只能写入一个单元格，而happybase库的put函数能写入多个。

import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开传输

biao = con.table('games')  # games是表名，table('games')获取某一个表对象

wangzhe = {
    'wangzherongyao:名字': '别出大辅助',
    'wangzherongyao:等级': '30',
    'wangzherongyao:段位': '最强王者',
}
biao.put('0001', wangzhe)  # 提交数据，0001代表行键，写入的数据要使用字典形式表示

# 下面是查看信息，如果不懂可以继续看下一个
one_row = biao.row('0001')  # 获取一行数据,0001是行键
for value in one_row.keys():  # 遍历字典
    print(value.decode('utf-8'), one_row[value].decode('utf-8'))  # 可能有中文，使用encode转码

con.close()  # 关闭传输

查看操作

下面连接之后，就创建一个表对象，然后对这个表对象进行操作，这里演示了多种查看操作，第一个是查看一行的数据，第二个是查看一个单元格的数据，因为我存储时使用了中文，在hbase中存储的不是中文，而是utf-8的编码，这里接收了hbase传过来的编码数据之后对它进行解码，第三个是获取多行的数据，第四个是使用扫描器获取整个表的数据。

import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开传输

biao = con.table('games')  # games是表名，table('games')获取某一个表对象

print('-----------------------第一个-----------------------------')
one_row = biao.row('0001')  # 获取一行数据,0001是行键
for value in one_row.keys():  # 遍历字典
    print(value.decode('utf-8'), one_row[value].decode('utf-8'))  # 可能有中文，使用encode内置函数转码

print('-----------------------第二个-----------------------------')
print(biao.cells('0001', 'wangzherongyao:段位')[0].decode('utf-8'))  # 获取一个单元格信息，返回列表，转码输出，0001是行键，wangzherongyao是列簇名，是列名

print('-----------------------第三个-----------------------------')
for key, value in biao.rows(['0001', '0002']):  # 获取多行的数据，列表或元组中可以写入多个行键
    # print(key, '<=====>', value)  # 由于0002我没有写入数据，就查不到，也不返回信息
    for index in value.keys():  # 遍历字典
        print(key.decode('utf-8'), index.decode('utf-8'), value[index].decode('utf-8'))  # 可能有中文，使用encode转码

print('-----------------------第四个----------------------------')
for rowkey, liecu in biao.scan():  # 获取扫描器对象，该对象是可迭代对象。扫描器记录了一个表的结构
    # print(rowkey, '<=====>', liecu)
    for index in liecu.keys():  # 遍历字典
        print(rowkey.decode('utf-8'), index.decode('utf-8'), liecu[index].decode('utf-8'))  # 可能有中文，使用encode转码

con.close()  # 关闭传输

以上四种方法都支持添加时间戳选项查看数据

删除数据

import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开传输

biao = con.table('games')  # games是表名，table('games')获取某一个表对象

biao.delete('0003', ['wangzherongyao:段位'])  # 删除一个单元格信息
# biao.delete('0003', ['wangzherongyao：名字', 'wangzherongyao:等级'])  # 删除多个单元个信息
# biao.delete('0003', ['wangzherongyao'])  # 删除一列簇信息
# biao.delete('0003')  # 删除一整行信息

# 查看数据，看看是否还在
for rowkey, liecu in biao.scan():  # 获取扫描器对象，该对象是可迭代对象。扫描器记录了一个表的结构
    # print(rowkey, '<=====>', liecu)
    for index in liecu.keys():  # 遍历字典
        print(rowkey.decode('utf-8'), index.decode('utf-8'), liecu[index].decode('utf-8'))  # 可能有中文，使用encode转码
con.close()  # 关闭传输

前面说过，删除是根据时间戳来删除最近的版本，再次查看时显示的下一个时间戳最近的版本，那么下面测试一下是不是这样。

import happybase

con = happybase.Connection('192.168.31.105')  # 默认9090端口
con.open()  # 打开传输

biao = con.table('games')  # games是表名，table('games')获取某一个表对象
biao.put('0001', {'wangzherongyao:段位': '最强王者'})
biao.put('0001', {'wangzherongyao:段位': '永恒钻石V'})
biao.put('0001', {'wangzherongyao:段位': '尊贵铂金I'})  # 重复写三个值
print(biao.cells('0001', 'wangzherongyao:段位'))  # 查看单元格的数据显示为最后一个时间戳的版本，即尊贵铂金I

biao.delete('0001', ['wangzherongyao:段位'])  # 删除单元格的信息，按照正常的理论查看时显示永恒钻石V
print(biao.cells('0001', 'wangzherongyao:段位'))  # 查看单元格的信息，显示为空

con.close()  # 关闭传输

很奇怪，答案错误，他把里面的东西都删了，那么问题出现在哪里？ 看 hbase shell 下是操作怎样的

按照 hbase shell 的操作，理论上是没错的，那么问题出现在哪里？问题出现在 deleteall 操作

可以猜测出，happybase库的 delete 函数封装的是 hbase shell 中的 deleteall 函数，所以调用要delete函数时要谨慎

批处理

batch()函数可以创建一个可执行对象，然后在进行批处理操作，其实该函数返回了Batch对象，Batch对象支持上下文管理协议，可以执行批量写put操作、批量删delete操作，然后还要使用发送send函数提交到服务器，个人感觉比较鸡肋。其实上面讲的delete函数就是调用了这里的delete函数