HBase 命令行

目录

• 读取数据
  • 单条数据查询
  • 全表扫描
  • 数据过滤属性
    • 字段过滤
    • 数量限制
    • row key 过滤
    • 排序
    • 其他
    • 条件过滤
    • 对FILTER进行额外的补充介绍
      • row key 过滤
      • 列名过滤
      • 列值过滤
      • 数量过滤
  • 脚本查询
• 其他命令

hbase是一款分布式数据库. 其对数据的索引只通过row key进行. 在存储数据的时候, 通过row key的排序进行存储. 在面对一个新的数据库时, 深究其原理并不知一个明智的选择, 正如开车一般, 大多数人都是先学会开车, 然后在开车的过程中车子出故障了, 再慢慢学着去修理. 不管怎么说, 第一步都是要先会使用.

这篇文章主要为了整理hbase命令行的使用, 留待以后用到时翻阅.

读取数据#

因为一个数据库使用, 通常最复杂的命令就是查询, 故而将大篇幅都给了查询. 哦对, 如果你现在还没有数据, 先跳到文章底部, 那里有建表和数据插入的操作.

hbase没有索引, 访问hbase中的数据只有三种方式:

1. 通过指定row key访问
2. 通过row key范围访问
3. 全表扫描

单条数据查询#

• get '<table name>','<row key>': 查询一行数据
• get '<table name>','<row key>','<column family>': 查询一行数据, 返回指定列族数据

全表扫描#

• scan '<table name>': 返回全表数据
• scan '<table name>,{COLUMN=>'<column family>'}: 返回全表指定列族数据
• scan '<table name>,{COLUMNS=>['<column family:key']}: 返回全表指定列族的一个 key

到这里, 有没有对大括号中的属性值感兴趣? 其可以添加一些指定的过滤条件

数据过滤属性#

这些内容, 不光可以在scan命令使用, 在count, get都可以用. 有一些暂时认为用不到的就直接忽略了, 可以通过help 'scan' 查看支持的所有属性. 其使用如下:

{属性1=>'值1, 属性2=>'值2'}

字段过滤#

• COLUMN: 返回指定列族
  • '<column family>'
• COLUMNS: 返回指定列族的一列
  • '<column family:key>'

数量限制#

• LIMIT: 限制返回结果数量

row key 过滤#

• STARTROW: 限定扫描 row key 起始行
• STOPROW: 限定扫描 row key 结束行
• ROWPREFIXFILTER: row key 前缀匹配

排序#

• REVERSED: row key 倒序扫描
  • TRUE/FALSE

其他#

• VERSIONS: (int)返回多个版本的数据
• ALL_METRICS: (bool)是否显示扫描的指标数据
• METRICS: 查看指定指标数据
  • ["<xxx>"]
• CACHE: (int)指定每次要缓存多少条数据, 可加速查询
• MAXLENGTH:(int) 指定返回数据的最大长度(可以用来限制返回超长的数据)

条件过滤#

• TIMERANGE: 限定时间戳范围
  • [1303668804000, 1303668904000] (毫秒, 前闭后开)
• TIMESTAMP: 指定时间的数据
• FILTER: 对结果进行过滤

对FILTER进行额外的补充介绍#

过滤条件可添加多个, 如(注意其中 AND 和 OR必须是大写, 小写会报错):

`FILTER=>"fun1() AND (fun2() OR fun3())"

你要是想问我文档在哪里?? 不好意思, 没找到. 不过经过我多方尝试, 发现这些方法都是hbase官方jar包中实现的过滤功能, 也就是说, 如果你是用JAVA开发, 那就可以自己写过滤器.

不过虽然没有找到官方文档, 我还是另辟蹊径找到了所有可用的过滤器. 没错, 就是去看jar包的内容. 看到这个过滤器的父类是: FilterBase. 进而找到所有在org.apache.hadoop.hbase.filter包下的实现类:

各个过滤器的参数, 可看其各自的构造方法. 简单列一下其中可用的方法:

row key 过滤

• PrefixFilter: row key 前缀匹配
  • PrefixFilter('test'): 匹配所有'test'开头的row key
• FuzzyRowFilter: row key 中间匹配(不支持命令行, 可通过RowFilter正则实现)
• RowFilter: 对 row key 进行比较
  • RowFilter(op, value): 参数参考 SingleColumnValueFilter

列名过滤

• ColumnPrefixFilter: 列族下的 key 前缀匹配
  • ColumnPrefixFilter('test'): 匹配所有'test'开头的 key
• MultipleColumnPrefixFilter: 与ColumnPrefixFilter作用类似, 不过可以匹配多个, 相当于多个ColumnPrefixFilter的或操作
  • MultipleColumnPrefixFilter('test1', 'test2')
• ColumnRangeFilter: 列名区间匹配(比如一行数据有一万列, 返回其中部分). 字符串比较
  • ColumnRangeFilter(minColumn, minColumnInclusive, maxColumn, maxColumnInclusive)
    • minColumn: 最小的列(string). max同理
    • minColumnInclusive: 是否包含最小列(bool). max 同理
• DependentColumnFilter: 返回存在的匹配列(判断是否存在). (仅返回匹配列)
  • DependentColumnFilter(family, qualifier)
• QualifierFilter: 对列名进行匹配过滤
  • QualifierFilter(op, value): 参数参考 ColumnValueFilter

列值过滤

• SingleColumnValueFilter: 对列值进行比较过滤. 大于小于等于
  • ColumnValueFilter(family, qualifier, op, value)
    • family: 列族名称
    • qualifier: 列名
    • op: =, !=, >, <, <=, >=...
    • value: 进行比较的值
      • substring:xxx: 字符串前缀比较 (只能使用=/!=)
      • regexstring:xxx: 字符串正则比较(只能使用=/!=)
      • binary:xxx: 字典序比较
      • binaryprefix:xxx: 字典序前缀比较
• SingleColumnValueExcludeFilter: 参数与功能与SingleColumnValueFilter相同. 不同点在于, 此方法返回时会去掉比较的列.
• ColumnValueFilter: 与 SingleColumnValueFilter类似. 唯一不同的是, 此过滤器只返回匹配的列. 而SingleColumnValueFilter会返回整行数据
• KeyOnlyFilter: 只返回列名, 不返回其对应的值(无参)
• TimestampsFilter: 按照时间戳进行过滤, 返回指定时间戳的数据.
  • TimestampsFilter(time1, time2)
• ValueFilter: 对值进行匹配, 仅返回匹配列. 参数参考SingleColumnValueFilter
  *ValueFilter(op, value)

数量过滤

• ColumnCountGetFilter: 返回每行的前 n 个列
  • ColumnCountGetFilter(limit)
• ColumnPaginationFilter: 返回每行n-m 列数据
  • ColumnPaginationFilter(limit, offset): 数量限制/偏移量
• FilterAllFilter: 过滤所有内容. 不给客户端返回任何数据, 没有参数. 这有什么用(用来检查性能???)
• FirstKeyOnlyFilter: 返回每行的第一个键值, 没有参数. (用来统计??)
• InclusiveStopFilter: 提前结束遍历. 当遇到匹配的 row key时停止.
  • InclusiveStopFilter(stopRowKey)
• PageFilter: 限定返回一页的数据行数. 这玩意不就是 limit 么...
  • PageFilter(size)
• RandomRowFilter: 返回随机数据, 无参. (shell 不支持)

另外, 还有一些过滤器不支持命令行使用, 一些复杂参数的构造方法. 就暂时被我忽略了.

脚本查询#

另外, 其命令行更厉害的一点是, 他可以直接执行 JAVA代码, 而, 不对, 应该是类JAVA代码.

比如: import org.apache.hadoop.hbase.filter.SingleColumnValueFilter

再比如: filter = SingleColumnValueFilter.new(Bytes.toBytes('user_info'), Bytes.toBytes('name'), CompareFilter::CompareOp.valueOf('EQUAL'),Bytes.toBytes('substring:xxx'))

再比如: scan 'user', {FILTER => filter, LIMIT => 2}

而且, 这些命令都是可以直接跑在命令行的. 同时, 你也可以自己建一些脚本交给shel执行:

hbase shell cron.txt

shell会依次执行文件中的命令. 这里还没有深究, 先简单记录一下有这么个事.

其他命令#

• count '<table name>': 查看记录总数
• status: 查看服务器状态
• version: 查看版本
• list: 查看所有表
• help '<command name': 查询指定命令的帮助信息

表结构相关:

• create '<table name>','<column family1>','<column family2>',...: 建表
• describe '<table name>': 查看表的描述信息
• alter '<table name>', '<column family>': 增加一个列族
• alter '<table name>', {NAME => '<column family>', METHOD => 'delete’}: 删除一个列族
• is_enabled '<table name>': 查看表是否启用
• is_disabled '<table name>': 查看表是否禁用
• enabled '<table name>': 启用表
• disabled '<table name>': 禁用表
• exists '<table name>': 查看表是否存在
• drop '<table name>': 删除表(需要先禁用)

数据相关:

• put '<table name>','<row key>','<column family:key>','<value>': 插入数据
• delete '<table name>', '<row key>','<column family:key>',<timestamp>: 删除数据(也可以不带时间戳, 删除所有版本)
• deleteall '<table name>', '<row key>': 删除一行数据