python 操作Hbase 详解

博文参考：https://www.cnblogs.com/tashanzhishi/p/10917956.html

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

一、Linux下安装Thrift（一般CDH集群上都会安装，如未安装，请参考下面步骤）

0.11.0版本下载地址：http://mirrors.hust.edu.cn/apache/thrift/0.11.0/thrift-0.11.0.tar.gz

执行如下命令安装Thrift依赖：

yum install automake bison flex g++ git libboost1.55 libevent-dev libssl-dev libtool make pkg-config

tar -zxvf thrift-0.11.0.tar.gz
cd thrift-0.11.0
./configure --with-cpp --with-boost --with-python --without-csharp --with-java --without-erlang --without-perl --with-php --without-php_extension --without-ruby --without-haskell  --without-go
make
make install
在Master中Hbase安装目录下的bin目录启动thrift服务：

./hbase-daemon.sh start thrift

二、安装 happybase 包

pip install happybase

三、表操作DDL

创建连接：

connection = happybase.Connection('192.168.3.45',port=9090)        #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：

connection = happybase.Connection('192.168.3.45',port=9090)
connection.open()
table = connection.table('cmis:intf_trade_log_tmp')

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

content = table.cells('00033015017DC6537E4ECEEB3351C183','pk_value:id_no')
print content

["'422202199108263422'"]

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

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

# 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

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

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

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)

《记录一下》