Python 通过thrift接口连接Hbase读取存储数据

Python 通过thrift接口连接Hbase读取存储数据

原创 2013年03月14日 23:23:41

• 标签：
• thrift /
• Hbase /
• python /
• 并行拓展 /
• failover

• 
  

介绍：

Hbase：开源的分布式数据库

资料介绍:http://www.oschina.net/p/hbase

Thrift:一个软件框架，用来进行可扩展且跨语言的服务的开发。最初由Facebook开发，作为Hadoop的一个工具，提供跨语言服务开发；

资料介绍：http://dongxicheng.org/search-engine/thrift-guide/

官方使用手册：http://download.csdn.net/detail/wyjzt999/5141006从安装到使用都很全面

我们项目里客户端是用python开发，因此需要Thrift提供server端，经过thrift对Hbase进行数据读写操作，性能非常不错，并且可以在Hadoop集群上做并行拓展，稳定性高，Facebook内部通信也是采用thrift来做；

 

首先学习一下Hbase的表结构：

Row Key

Row key行键 (Row key)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部，row key保存为字节数组。

列族 (column family)

hbase表中的每个列，都归属与某个列族。列族是表的chema的一部分(而列不是)，必须在使用表之前定义。列名都以列族作为前缀。例如courses:history ， courses:math 都属于 courses 这个列族。

时间戳

HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。

为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。

对Hbase而言，表结构设计会对系统的性能以及开销上造成很大的区别;

 

 1.首先建立与thriftserver端的连接

[python] view plain copy

1. from thrift import Thrift  
2. from thrift.transport import TSocket, TTransport  
3. from thrift.protocol import TBinaryProtocol  
4. from hbase import Hbase  
5.   
6. #server端地址和端口  
7. transport = TSocket.TSocket(host, port)  
8. #可以设置超时  
9. transport.setTimeout(5000)  
10. #设置传输方式（TFramedTransport或TBufferedTransport）  
11. trans = TTransport.TBufferedTransport(transport)  
12. #设置传输协议  
13. protocol = TBinaryProtocol.TBinaryProtocol(trans)  
14. #确定客户端  
15. client = Hbase.Client(protocol)  
16. #打开连接  
17. transport.open()  

2.然后就可以做具体的操作，比如查表，删表，插入Row Key等等

[python] view plain copy

1. from hbase.ttypes import ColumnDescriptor, Mutation, BatchMutation, TRegionInfo  
2. from hbase.ttypes import IOError, AlreadyExists  
3.   
4. #获取表名  
5. client.getTableNames()  
6. #创建新表  
7. _TABLE = "keyword"  

[python] view plain copy

1. demo = ColumnDescriptor(name='data:',maxVersions = 10)#列族data能保留最近的10个数据，每个列名后面要跟:号  
2. createTable(_TABLE, [demo])  

[python] view plain copy

1. #创建列名2个data:url data:word    
2. tmp1= [Mutation(column="data:url", value="www.baidu.com")]  
3. tmp2= [Mutation(column="data:word", value="YaGer")]  
4. #新建2个列 (表名，行键， 列名)  
5. client.mutateRow(_TABLE, row, tmp1)  
6. client.mutateRow(_TABLE, row, tmp1)  

[python] view plain copy

1. #从表中取数据  
2. #通过最大版本数取数据  
3. client.getByMaxver(_TABLE,'00001','data:word', 10)#一次取10个版本  
4. #取列族内数据  
5. client.getColumns(_TABLE, '00001')  

3.支持thrift并行拓展和失效转移Failover机制

[python] view plain copy

1. #file name：hbaseconn.py  
2. #! /usr/bin/env python    
3. # -*- coding: utf-8 -*-  
4. #提供建立连接的方法和取数据操作的方法  
5. import logging  
6. import traceback  
7. import time,sys  
8. from unittest import TestCase, main  
9. import socket  
10.   
11. from thrift import Thrift    
12. from thrift.transport import TSocket    
13. from thrift.transport import TTransport    
14. from thrift.protocol import TBinaryProtocol    
15. from hbase import Hbase    
16.   
17. from hbase.ttypes import IOError as HbaseIOError, AlreadyExists  
18. from hbase.ttypes import ColumnDescriptor, Mutation, BatchMutation  
19.   
20.   
21. _TABLE = 'thrift_check'  
22. _ROW = 'test_for_thrift'  
23. _DATA = 'data:word'  
24. _VALUE = 'Flag'  
25.   
26. class DbConnError(Exception):  
27.     """Conn Db exception.  
28.      
29.     Timeout or any except for connection from low layer api 
30.     """  
31.     pass  
32.   
33. class Connection:  
34.     def __init__(self, trans, client, addr, port):  
35.         self.trans = trans  
36.         self.client = client  
37.         self.hp = addr  
38.         self.port = port  
39.         pass  
40.   
41. class CenterDb:  
42.     @classmethod  
43.     def open(cls, host_port):  
44.   
45.         cls.tc_list = []  
46.         for hp in host_port:  
47.             trans, client = cls._open(*hp)  
48.             cls.tc_list.append(Connection(trans, client, hp[0], hp[1]))  
49.   
50.         return cls.tc_list  
51.  
52.     @classmethod  
53.     def _open(cls, host, port):  
54.         transport = TSocket.TSocket(host, port)  
55.         transport.setTimeout(5000)  
56.         trans = TTransport.TBufferedTransport(transport)  
57.         protocol = TBinaryProtocol.TBinaryProtocol(trans)  
58.         client = Hbase.Client(protocol)  
59.         ok = False  
60.         try:  
61.             trans.open()  
62.             ok = True  
63.         except TSocket.TTransportException, e:  
64.             logerr('CenterDb(Hbase) Open error(%s, %d)' % (host, port))  
65.             ok = False  
66.         else:  
67.             pass  
68. #            dbg('CenterDb connected (%s, %d)' % (host, port))  
69.         return trans, client  
70.  
71.     @classmethod  
72.     def _initTable(cls, client):  
73.         dat = ColumnDescriptor(name = 'data', maxVersions = 1)  
74.         tmp = [Mutation(column = _DATA, value = _VALUE)]  
75.         try:  
76.            client.createTable(_TABLE, [dat])  
77.            client.mutateRow(_TABLE, _ROW, tmp)  
78.            dbg("Create Table For Thrift Test Success!")  
79.            return  True  
80.         except AlreadyExists:  
81.             return True  
82.         return False  
83.  
84.     @classmethod  
85.     def _get(cls, client):  
86.         client.getVer(_TABLE,_ROW,_DATA, 1)  
87.         return True  
88.  
89.     @classmethod  
90.     def _reconnect(cls, trans):  
91.         trans.close()  
92.         trans.open()  
93.   
94.   
95.     def __init__(self, transport, client):  
96.         self.t = transport  
97.         self.c = client  
98.   
99.     def __str__(self):  
100.         return 'CenterDb.open(%s, %d)' % (self.t, self.c)  
101.   
102.     def __del__(self):  
103.         self.t.close()  
104.       
105.   
106.     def getColumns(self, table, row):  
107.   
108.         tr_list = []  
109.         tr_list = self._failover('getRow', table, row)  
110.         if (not tr_list):  
111.             return {}  
112.         return tr_list[0].columns  
113.    

[python] view plain copy

1. #file name: thriftmanage.py  
2. #! /usr/bin/python  
3. # -*- coding: utf-8 -*-  
4. #提供管理thrift连接的方法  
5. #建一个线程循环检测thrift的可使用性，非连接池  
6. import logging  
7. import time,sys,random  
8. import threading  
9. from hbase import Hbase    
10. from hbase.ttypes import IOError as HbaseIOError  
11. from hbase.ttypes import ColumnDescriptor, Mutation, BatchMutation  
12. import hbaseconn  
13. from hbaseconn import CenterDb  
14.   
15.   
16. class Failover(threading.Thread):  
17.     def __init__(self,serverid, serverlist):  
18.         threading.Thread.__init__(self)  
19.   
20.         self.serverlist = serverlist  
21.         self.serverid = serverid  
22.           
23.         self.lenlist = len(serverlist)  
24.           
25.         self.conn_list = []  
26.         self.invalid_con_list = []  
27.         ''''' 
28.             cur_conn : now oper is using  
29.             my_conn : this schd server should use 
30.             [(trans1,client1),(trans2,client2),...]  
31.         '''  
32.         self.cur_conn = None  
33.         self.my_conn = None  
34.           
35.         self._makeConn()  
36.         self._getConn()  
37.         self._init_for_check()  
38.   
39.         self.switched_flag = False  
40.   
41.   
42.     def _makeConn(self):  
43.         '''''make all the conntion to thrift serverlist 
44.         '''  
45.         self.conn_list = CenterDb.open(self.serverlist)  
46.   
47.     def _getConn(self):  
48.         '''''get only one connection from the conn_list,confirm cur_conn and my_conn 
49.         '''  
50.         self.cur_conn = self.my_conn = self.conn_list[(int(self.serverid) % self.lenlist)]   
51.   
52.         self.other_conn = self.conn_list[:]  
53.         self.other_conn.remove(self.my_conn)  
54.       
55.         return True  
56.   
57.     def _init_for_check(self):  
58.       
59.         '''''init _TABLLE test_for_flag  
60.         '''  
61.         try:  
62.             if not CenterDb._initTable( self.my_conn.client ):  
63.                 dbg("Error In Create Table For Thrift Test!")  
64.         except Exception, e:  
65.             dbg("init_for_check thrift:%s" % e)  
66.   
67.           
68.         '''''make the only conn for check proc 
69.         '''  
70.         self.check_conn = CenterDb.open( ((self.my_conn.hp, self.my_conn.port),))[0]    
71.   
72.     def _switch(self):  
73.         '''''when my_conn failed, choose the other client randomly; 
74.            when my_conn is reset OK, cur_conn will use my_conn again 
75.         '''  
76.         #print 'Schd%s come in _switch' % self.serverid  
77.         if 0 == len(self.other_conn):  
78.             return False  
79.         trycount = 0  
80.         while True:  
81.             try:  
82.                 if trycount == 3*self.lenlist :#try 3*length times  
83.                     return False  
84.                 tmp_conn = random.choice(self.other_conn)  
85.                 #CenterDb._reconnect(tmp_conn.trans)  
86.                 #DEBUG  
87.                 if self._checker(tmp_conn):  
88.                     self.cur_conn = tmp_conn  
89.                     dbg('Schd%s _switch cur_conn: %s' % (self.serverid, self.cur_conn.hp))  
90.                     return True  
91.                 else:  
92.                     trycount += 1  
93.                     logerr('Schd%s _switch for %d times' % (self.serverid, trycount))  
94.                     CenterDb._reconnect(tmp_conn.trans)#close this trans and try again;breakdown early  
95.                     if self._checker(tmp_conn):  
96.                         self.cur_conn = tmp_conn  
97.                         return True  
98.                     else:  
99.                         continue#can't be used  
100.             except Exception, e:  
101.                 continue  
102.   
103.     def _failover(self,oper, *args, **kwargs):  
104.         result = []  
105.         try :  
106.             result = getattr(self.cur_conn.client, oper)(*args, **kwargs)  
107.             return result  
108.   
109.         except HbaseIOError, e:  
110.              logerr("_failover : %s " % e)  
111.   
112.         except Exception, e:  
113.             logerr( 'Schd%s _failover : Connect to %s thrift Server closed! Choose another......Reason:%s ' % \  
114.                 (self.serverid, self.cur_conn.hp, e))  
115.             self.cur_conn.trans.close()  
116.             self.switched_flag = True  
117.             if self._switch():  
118.                 logerr('Schd%s _failover : Now using %s server' % (self.serverid, self.cur_conn.hp))  
119.                 result = getattr(self.cur_conn.client, oper)(*args, **kwargs)  
120.             else:   
121.                 logerr( 'Schd%s _failover : Switch 3 rotate Find No Healthy Thrift server !' % self.serverid)  
122.         return result  
123.   
124.     def getByMaxver(self, table, row, column, max_ver):  
125.         """Get cell list by ver 
126.         Get cell list no more than max versions 
127.         Args: 
128.             table: table name 
129.             row: row key 
130.             column: column name 
131.             max_ver: max version to retrieve cell 
132.         """  
133.         cell_list = []  
134.         start_time = time.time()  
135.         cell_list = self._failover('getVer', table, row, column, max_ver)  
136.         if (not cell_list):  
137.             return []  
138.           
139.         take = time.time() - start_time  
140.         if take > 0.015:  
141.             logerr('Hbase over 15ms:take %s ms' % str("%.3f" % (take*1000)))  
142.   
143.         return map(lambda x: (x.value, x.timestamp), cell_list)  
144.       
145.     def getColumns(self, table, row):  
146.         tr_list = []  
147.         tr_list = self._failover('getRow', table, row)  
148.         if (not tr_list):  
149.             return {}  
150.         return tr_list[0].columns  
151.   
152.                   
153.     def _checker(self,conn):  
154.         '''''check my_conn , be sure it is connected and get data OK 
155.         '''  
156.         try:  
157.             if conn.trans.isOpen():  
158.                 CenterDb._get(conn.client)  
159.                 return True      
160.             else:   
161.                 return False   
162.               
163.         except Exception, e:  
164.             logerr( 'Schd%s  _checker : Connect to %s closed! Please Restart now..... Reason: %s ' % \  
165.                 (self.serverid, conn.hp, e))  
166.             return False  
167.           
168.     def _restart(self):  
169.         '''''if my_conn failed, restart it's trans  
170.         '''  
171.         while True:  
172.             #print 'come in _restart %s ' % self.my_conn.hp  
173.             self.my_conn.trans.close()  
174.             self.check_conn.trans.close()  
175.             try:  
176.                 time.sleep(2)  
177.                 self.my_conn.trans.open()  
178.                 self.check_conn.trans.open()  
179.                 if self.my_conn.trans.isOpen() and self.check_conn.trans.isOpen():  
180.                     CenterDb._get(self.check_conn.client)  
181.                     #self.check_conn.client.getVer('keywordurl','test_for_thrift','data:word', 1)  
182.                     return True  
183.                 else: continue      
184.             except Exception, e:  
185.                 logerr('Schd%s _restart : Connect to %s is not restart yet ... Reason:%s ' % \  
186.                     (self.serverid, self.my_conn.hp, e))  
187.                 self.my_conn.trans.close()  
188.                 self.check_conn.trans.close()  
189.                 continue  
190.   
191.     def run(self):  
192.         while True:  
193.             time.sleep(1)  
194.             if self._checker(self.check_conn) and (not self.switched_flag):  
195.                 continue  
196.             else:  
197.                 if self._restart():  
198.                     logerr( 'Schd%s Connection from  %s to my:%s Recovered ! ' % \  
199.                         (self.serverid,self.cur_conn.hp,self.my_conn.hp))  
200.                     self.cur_conn = self.my_conn  
201.                     self.switched_flag = False  
202.                 continue  

使用thrift生成的代码中提供的方法有：
void enableTable(Bytes tableName)
void disableTable(Bytes tableName)
bool isTableEnabled(Bytes tableName)
void compact(Bytes tableNameOrRegionName)
void majorCompact(Bytes tableNameOrRegionName)
getTableNames()
getColumnDescriptors(Text tableName)
getTableRegions(Text tableName)
void createTable(Text tableName, columnFamilies)
void deleteTable(Text tableName)
get(Text tableName, Text row, Text column)
getVer(Text tableName, Text row, Text column, i32 numVersions)
getVerTs(Text tableName, Text row, Text column, i64 timestamp, i32 numVersions)
getRow(Text tableName, Text row)
getRowWithColumns(Text tableName, Text row,  columns)
getRowTs(Text tableName, Text row, i64 timestamp)
getRowWithColumnsTs(Text tableName, Text row,  columns, i64 timestamp)
getRows(Text tableName,  rows)
getRowsWithColumns(Text tableName,  rows,  columns)
getRowsTs(Text tableName,  rows, i64 timestamp)
getRowsWithColumnsTs(Text tableName,  rows,  columns, i64 timestamp)
void mutateRow(Text tableName, Text row,  mutations)
void mutateRowTs(Text tableName, Text row,  mutations, i64 timestamp)
void mutateRows(Text tableName,  rowBatches)
void mutateRowsTs(Text tableName,  rowBatches, i64 timestamp)
i64 atomicIncrement(Text tableName, Text row, Text column, i64 value)
void deleteAll(Text tableName, Text row, Text column)
void deleteAllTs(Text tableName, Text row, Text column, i64 timestamp)
void deleteAllRow(Text tableName, Text row)
void deleteAllRowTs(Text tableName, Text row, i64 timestamp)
ScannerID scannerOpenWithScan(Text tableName, TScan scan)
ScannerID scannerOpen(Text tableName, Text startRow,  columns)
ScannerID scannerOpenWithStop(Text tableName, Text startRow, Text stopRow,  columns)
ScannerID scannerOpenWithPrefix(Text tableName, Text startAndPrefix,  columns)
ScannerID scannerOpenTs(Text tableName, Text startRow,  columns, i64 timestamp)
ScannerID scannerOpenWithStopTs(Text tableName, Text startRow, Text stopRow,  columns, i64 timestamp)
scannerGet(ScannerID id)
scannerGetList(ScannerID id, i32 nbRows)
void scannerClose(ScannerID id)


 
 参考：http://yannramin.com/2008/07/19/using-facebook-thrift-with-python-and-hbase/

[python] view plain copy

1. <pre name="code" class="python"><pre></pre>  
2. <pre></pre>  
3. <pre></pre>  
4. <pre></pre>  
5. <pre></pre>  
6. <pre></pre>  
7. <pre></pre>  
8. <pre></pre>  
9. <pre></pre>  
10. <pre></pre>  
11. <pre></pre>  
12. <pre></pre>  
13.                     </pre>