用happybase happy地查询hbase数据

用happybase进行hbase中数据的增删改查

前提:已经安装happybase库(pip install happybase),已有hbase环境并开启thrift通讯端口(nohup hbase thrift start &),thrift默认端口为9090,10.10.30.200为hbase主机ip

查询

scan方法:

scan(self, 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)

参数:

row_start、row_stop:起始和终止rowkey,查询两rowkey间的数据

row_prefix:rowkey前缀。注:使用row_prefix的时候,row_start和row_stop不能使用

filter:要使用的过滤器(hbase 0.92版本及以上生效)

timestamp:按指定时间戳查询

reverse:默认为False。为True时,scan结果按rowkey倒序排列

e.g:

import happybase

connection = happybase.Connection('10.10.30.200',9090)
#获取table实例
t = connection.table('iot_flow_history')
#按row前缀遍历查询数据,因该工程存入hbase的rowkey为id-timestamp,使用rowkey查询十分不方便,故使用row_prefix进行查询
for key,value in t.scan(row_prefix='1100HD72004016A16'):
    print key,value
增加&编辑

put方法:

put(self, row, data, timestamp=None, wal=True)

e.g:

import happybase

connection = happybase.Connection('10.10.30.200',9090)
#获取table实例
t = connection.table('iot_flow_history')

#该表已有column familylz,列id和realValue
student = {"lz:id":'test',"lz:realValue":"18"}
t.put(row="test",data = student)

△ 如put中的rowkey已存在,则为修改数据

删除

delete方法:

delete(self, row, columns=None, timestamp=None, wal=True)

row:删除rowkey为row的数据

columns:指定columns参数时,删除

e.g:

import happybase

connection = happybase.Connection('10.10.30.200',9090)
#.delete('test')
t = connection.table('iot_flow_history')
#删除rowkey为test的数据
t.delete('test')

删除rowkey为student2的name数据:

mark
t = connection.table('students')
t.delete(row='student2',columns=["account:name"])

删除成功:

mark
批量处理

batch方法:

batch(self, timestamp=None, batch_size=None, transaction=False,
          wal=True)

1、批量操作

import happybase

connection = happybase.Connection('10.10.30.200',9090)
#.delete('test')
t = connection.table('iot_flow_history')

student111 = {"account:name":"xiaohuang","address:zipcode":"222222"}
student222 = {"account:name":"xiaolv","address:zipcode":"333333"}
t = connection.table('students')
bat = t.batch()

#添加student111和student222,也可以进行批量删除
bat.put('student111',data = student111)
bat.put('student222',data = student222)
#bat.delete('student111')
bat.send()
mark

2、使用with管理批量

import happybase

connection = happybase.Connection('10.10.30.200',9090)
#.delete('test')
t = connection.table('iot_flow_history')

student333 = {"account:name":"xiaolan","address:zipcode":"323232"}
t = connection.table('students')

#添加student333并删除student222
with t.batch() as bat:
    bat.put('student333',data = student333)
    bat.delete('student222')
检索

row方法及rows()方法,检索指定rowkey的数据

检索一条:

r = t.row('student444')

检索多条:

r = t.rows(['student444','student333'])

返回结果:

mark
查询指定cell的数据
cells(self, row, column, versions=None, timestamp=None,
          include_timestamp=False)

e.g:

import happybase

connection = happybase.Connection('10.10.30.200',9090)
#.delete('test')
t = connection.table('iot_flow_history')

#查询rowkey为student444,column为account:name的cell的数据,包含时间戳
print t.cells('student444','account:name',include_timestamp=True)

结果:

[('xiaolan', 1511343966713L)]

暂时就这些0v0

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,015评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,262评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,727评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,986评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,363评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,610评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,871评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,582评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,297评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,551评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,053评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,385评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,035评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,079评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,841评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,648评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,550评论 2 270

推荐阅读更多精彩内容