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
- 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