JunLeon——go big or go home
目录
Hbase的安装、命令 *** 作和基础编程
一、Hbase的概述
1.什么是Hbase？
2.Hbase的特点
3.Hbase组成部分及数据模型
（1）Hbase架构的组件及其作用
（2）Hbase的数据模型
（3）表和Region
4.Hbase的读写流程
5.Hbase的Compaction过程
二、基于Hadoop HA集群的Hbase环境安装配置
1.下载Hbase
2.解压安装配置
（1）上传到虚拟机中指定的opt目录下
（2）解压Hbase
（3）配置环境及其相关属性
3.启动Hbase集群
4.查看进程及Hbase集群信息
三、Hbase的Shell命令
1.基本Shell命令
2.DDL *** 作命令
3.DML *** 作命令
4.运行Hbase Shell脚本
四、Hbase基础编程
1.Hbase API
2.Hbase API编程代码演示
前言：
学习Hbase这个组件，可能很多人都有这个这个疑惑：HDFS和MySQL等都可做数据的持久化存储，那为什么还要学习这个Hbase呢？而Hbase的最终数据还是存储在HDFS中，那为什么还要使用Hbase呢？Hbase和HDFS又有什么关系呢？
Hbase作为Hadoop的分布式数据库，基于Google发行的三篇论文之一——《BigData》研发的Hadoop生态组件之一。那我们为啥要用Hbase呢？Hbase在HDFS之上提供了高并发的随机写和支持实时查询，这是HDFS不具备的。
HDFS是分布式文件存储系统，Hbase是分布式数据库，两者其实没有什么可比性。可能很多人对MySQL比较熟悉，MySQL的数据持久化就是将数据落地磁盘存储。简单理解就是可以把Hbase当做是MySQL，把HDFS当做是硬盘。Hbase只是一个NoSQL数据库，把数据存在HDFS上。
一、Hbase的概述 1.什么是Hbase？Hbase是高可靠性、高性能、面向列、可伸缩的分布式存储系统，是基于HDFS的分布式数据库，也是一种非关系型数据库。分布式数据库Hbase是Hadoop生态系统的组件之一。Hbase的运行依赖于Hadoop HDFS文件系统提供数据的持久化，依赖于Zookeeper提供集群的的同步与协调。Hbase使用Zookeeper服务来进行节点管理以及表数据的定位。
2.Hbase的特点 (1)大：一个表可以有上亿行，上百万列。
(2)面向列：面向列表（簇）的存储和权限控制，列（簇）独立检索。
(3)稀疏：对于为空（NULL）的列，并不占用存储空间，因此，表可以设计的非常稀疏。
(4)无模式：每一行都有一个可以排序的主键和任意多的列，列可以根据需要动态增加，同一张表中不同的行可以有截然不同的列。
(5)数据多版本：每个单元中的数据可以有多个版本，默认情况下，版本号自动分配，版本号就是单元格插入时的时间戳。
(6)数据类型单一：Hbase中的数据都是字符串，没有类型。
Hbase采用Master/slaves的主从服务器架构，由一个HMaster服务器和多个HRegionServer服务器组成。Hbase采用Master/Slave架构，主要角色包括Master服务器（HMaster，管理节点）、Region服务器（HRegionServer，数据节点）、ZooKeeper服务器以及客户端。
1．HMaster HMaster
HMaster HMaster是主节点，它主要负责HRegionServer的管理以及元数据的更改，包括以下内容：新HRegionServer的注册、表的增删改查、HRegionServer的负载均衡，Region（表的分区，存储在Region服务器上）的分布调整、Region分裂以及分裂后的Region分配,HRegionServer失效后的Region迁移等。
HMaster采用主备模式部署，集群启动时，通过竞争获得主HMaster角色。主HMaster只能有一个，备HMaster进程在集群运行期间处于休眠状态，不干涉任何集群事务。当主用Master故障时，备用Master将取代主用Master对外提供服务。
2．HRegionServer
HRegionServer是Hbase的从节点，它负责提供表数据读写等服务，是数据存储和计算单元。HRegionServer一般与HDFS集群的DataNode部署在一起，实现数据的存储功能。一台HRegionServer管理多个Region对象和一个HLog文件。
一个Region由一个或多个Store组成。每个Store存储该Region一个列族的数据。一个Store包含一个MemStore缓存以及若干StoreFile文件，MemStore缓存客户端向Region插入的数据，当HRegionServer中的MemStore大小达到配置的容量上限时，RegionServer会将MemStore中的数据刷新（Flush）到HDFS中。MemStore的数据刷新到HDFS后成为HFile，HFile定义了StoreFile在文件系统中的存储格式，它是当前Hbase系统中StoreFile的具体实现。随着数据的插入，一个Store会产生多个StoreFile，当StoreFile的个数达到配置的最大值时，RegionServer会将多个StoreFile合并为一个大的StoreFile。
HLog日志是一种预写式日志（Write Ahead Log），用户更新数据时需要先写入HLog再写入MemStore，MemStore中的数据被刷新到StoreFile之后才会在HLog中清除对应的记录，这样的设计保证了当HRegionServer故障时，用户写入的数据不丢失，一台HRegionServer的所有Region共享同一个HLog。
3．ZooKeeper
ZooKeeper为Hbase集群各进程提供分布式协作服务。各HRegionServer将自己的信息注册到ZooKeeper中，HMaster据此感知各个HRegionServer的健康状态。
Hbase还通过ZooKeeper实现HMaster的高可用。ZooKeeper存储Hbase的如下信息：Hbase元数据、HMaster地址。当HMaster主节点出现故障时，HMaster备用节点会通过ZooKeeper获取主HMaster存储的整个Hbase集群状态信息，接管HMaster主节点的工作。
4．Client
客户端通过Hbase的元数据找到所需数据所在的HRegionServer进行访问（Hbase的元数据存储在ZooKeeper中，因此客户端在做读取 *** 作时不需要与HMaster进行通信，这样的设计减少了HMaster的负担），客户端会在缓存中维护访问过的Region位置信息，下次访问时就可以跳过向ZooKeeper寻址的过程。如果缓存中位置信息所指向的HRegionServer失效或Region已被迁移到其他服务器，客户端在查找不到该Region的情况下，会重新查询元数据以获取该Region的新地址。除了读取HRegionServer的信息外，客户端还可以与HMaster通信做表的修改。
（2）Hbase的数据模型Hbase中，数据存储在由行和列组成的表中，Hbase的表是稀疏的，多维映射的。Hbase用键值对的方式存储数据。每个值都是未经解释的字符串，通过行键、列族、列限定符、时间戳等信息进行定位。
1．表（Table）
Hbase采取表的形式存储数据，表由行和列组成。
2．行（Row）
Hbase中的行由行键（RowKey）和若干列组成。行是通过行键按字典顺序进行排序的，因此行键的设计非常重要，好的行键设计可以将内容相关的行排列到相邻位置，方便查找和读取。以存储网页内容为例，将URL作为行键，如org.apache.www、org.apache.mail，可以将相邻子网页存储在相邻的位置。
3．列族（Column Family）
一个表在水平方向上由一个或多个列族组成。一个列族可以由任意多个列组成，列族在表创建时就需要预先设定好。
列族是Region的物理存储单元。同一个Region下面的多个列族，位于不同的Store下面。
列族信息是表级别的配置。同一个表的多个Region，都拥有相同的列族信息（例如，都有两个列族，且不同Region的同一个列族配置信息相同）。不是每一行下的列族或列中都存储了信息，因此说Hbase的表是稀疏的。
4．列限定符（Column Qualifier）
列族中添加不同的列限定符可以对数据进行划分定位，列限定符以列族名作为前缀，用“：”连接后缀。例如以“content”为列族，那么列限定符则可以是“content：xxxx”。列限定符是列族下的一个标签，可以在写入数据时任意添加，支持动态扩展，无需预先定义列的数量和类型。
5．单元格（Cell）
一个单元格保存了一个值的多个版本，单元格通过行键、列族和列限定符进行定位，每个版本对应一个时间戳。
6．时间戳（TimeStamp）
Hbase每个值都会带一个时间戳，时间戳标识了这个值的版本。默认情况下，在一个值发生变化（写入、更新、删除）时，所在的HRegionServer会自动为其创建一个时间戳。用户也可以在值发生变化时自定义时间戳。如果一个值有多个版本，在用户查询时默认返回最新的版本。Hbase保存的版本数可以自定义，当超过设置的版本数时，新的版本会替换掉最早的版本。
（3）表和Region一个Hbase集群中维护着多张表，每张表可能包含非常多的行，在单台机器上无法全部存储，Hbase会将一张数据表按行键的值范围横向划分为多个子表，实现分布式存储，如图5-1所示。这些子表，在Hbase中被称作“Region”，Region是Hbase分布式存储的基本单元。每一个Region都关联一个行键值的范围，即一个使用StartKey和EndKey描述的区间。事实上，每一个Region仅仅记录StartKey就可以了，因为它的EndKey就是下一个Region的StartKey。
每张表最开始值包含一个Region，随着表中数据的不断增大，Region中的行数超过一定阈值时就会分裂为两个新的Region。
Region分为元数据Region以及用户Region（User Region）两类。用户Region用于存储普通数据，元数据Region包括.meta.表和-ROOT-表，用于存储Region的位置信息。.meta.表记录了每一个用户Region的路由信息，用户可以通过.meta.表查询到要访问的Region所在的HRegionServer，从而与其建立通信进行数据 *** 作。.meta.表的路由信息存储在-ROOT-表中，-ROOT-表不可被分割，只有一个Region。用户可以通过访问ZooKeeper服务器来获得-ROOT-表的位置。Region的划分如下图：
从Hbase0.96.0开始，-ROOT-表的设置已被移除，.meta.表改名为hbase：meta，hbase：meta的位置信息直接保存在ZooKeeper中。
4.Hbase的读写流程1．Hbase的读流程
Hbase的读流程如下： ·
客户端发起请求，与ZooKeeper服务器通信获取hbase：meta所在的HRegion Server，记为HRegionServer A；
访问HRegionServer A中的hbase：meta，hbase：meta中记载着各个User Region信息（行键范围，所在RegionServer等），通过行键查找hbase：meta获取所要读取的Region所在HRegionServer，记为HRegionServer B；
请求发送到HRegionServer B，HRegionServer B先查询MemStore，如果未查询到目标数据，则在HFile中查找； ·
查询到数据后返回到客户端。
2．Hbase的写流程
Hbase的写流程如下： ·
客户端发起请求，与ZooKeeper服务器通信获取hbase：meta所在HRegionServer，记为HRegionServer A；
客户端访问HRegionServer A中的hbase：meta，hbase：meta中记载着每个User Region信息（行键范围，所在RegionServer），通过行键查找hbase：meta获取本次写入 *** 作所涉及的HRegionServer（Hbase写入 *** 作可能会涉及多个HRegionServer，在写入前Hbase会对数据进行分组，分组共两步：首先将所有的记录按RegionServer划分，然后将同一RegionServer所有的记录按Region划分。每个RegionServer上的数据会一起发送，这样发送的数据中，都是已经按照Region分好组了）；
客户端按RegionServer和Region将数据打包发送到对应的HRegionServer，RegionServer将数据写入对应的Region； ·客户端发送完待写数据后，会自动等待请求处理结果，如果客户端没有捕获到任何的异常，则认为所有数据写入成功。如果全部写入失败，或者部分写入失败，客户端能够获知详细的失败Key值列表。
如下图所示，HRegionServer在写入数据时，会先将数据写入HLog中，再将需要写入的数据暂时保存在对应Region的缓存MemStore中。这样一来可以减少数据直接写入磁盘带来的写入延迟，提高写入效率；另外数据先写入HLog可以避免HRegionServer故障时造成缓存数据的丢失。
达到一定预设条件时，Hbase会将MemStore中的数据写入磁盘生成HFlie文件，并清空MemStore及HLog中的对应记录，这个过程称为刷盘（Flush）。
5.Hbase的Compaction过程当随着时间的增长，业务数据不断写入到Hbase集群中，HFile的数目会越来越多，那么针对同样的查询，需要同时打开的文件也就可能越来越多，从而增加了查询延时，降低查询效率。
当HFile文件过多时，Hbase就会启动一个Compation的 *** 作。Compaction的主要目的，是为了减少同一个Region同一个列族下面的小文件数目，从而提升读取的性能。
如下图所示，Compaction分为Minor、Major两类。
Minor：小范围的Compaction。Minor Compation有最少和最大文件数目限制，默认最少选择3个HFile，最多10个，通常会选择一些连续时间范围的小文件进行合并。Minor Compaction选取文件时，遵循一定的算法。
Major：Major Compaction会将一个Region中的某个ColumnFamily下面所有的HFile合并成一个HFile。Hbase默认一天进行一次Major Compaction。Major Compaction过程中，会清理被删除的数据。
二、基于Hadoop HA集群的Hbase环境安装配置 1.下载Hbase官网下载：Index of /dist/hbase
版本：hbase-1.4.13-bin.tar.gz
hadoop版本对应的Hbase版本可以参考下表，自行选择下载：
补充：我使用的是hadoop-2.7.3版本，故下载hbase-1.4.13的版本。
2.解压安装配置说明：该Hbase环境是在基于Zookeeper的Hadoop HA的基础上搭建的。
基于Zookeeper的Hadoop HA搭建请查看：（超详细）基于Zookeeper的Hadoop HA集群的搭建_JunLeon的博客-CSDN博客
（1）上传到虚拟机中指定的opt目录下可通过XShell或者其他远程连接工具上传，上传过程略
（2）解压Hbasetar -zxvf /opt/hbase-1.4.13-bin.tar.gz -C /opt/（3）配置环境及其相关属性
1.配置Hbase的环境变量
vi /etc/profile
在该文件的最后添加Hbase的安装路径
使配置文件生效：
source /etc/profile
2.配置${Hbase_HOME}/conf/hbase-env.sh文件
vi ${Hbase_HOME}/conf/hbase-env.sh
在27行，配置jdk路径：
注释46、47行，如果使用jdk1.8，则需要注释掉
128行，设置是否启动Hbase自带的zookeeper
3.配置${Hbase_HOME}/conf/hbase-site.xml文件
hbase.rootdir hdfs://mycluster/data/hbase_db hbase.cluster.distributed true dfs.support.append true hbase.zookeeper.quorum BigData01,BigData02,BigData03 hbase.zookeeper.property.datadir /opt/zookeeper-3.4.12 hbase.zookeeper.property.clientPort 2181
4.配置${Hbase_HOME}/conf/regionservers文件
BigData01 BigData02 BigData033.启动Hbase集群
在开启Hbase集群之前应先将HDFS和YARN节点开启
start-all.sh # 在主节点上执行
再启动Hbase集群节点
start-hbase.sh # 在主节点上执行4.查看进程及Hbase集群信息
jps # 查看开启的守护进程
Web端访问：(在主机Master上执行)
三、Hbase的Shell命令 1.基本Shell命令IP:16010 例如：192.168.182.10:16010
（1）启动shell命令（进入Hbase命令环境）
[root@BigData01 ~]# hbase shell
如下图所示即进入Hbase命令环境中：
（2）查看Hbase状态
hbase(main):001:0> status
（3）查看版本
hbase(main):002:0> version
（4）获得帮助
hbase(main):003:0> help
（5）退出shell命令
hbase(main):004:0> exit2.DDL *** 作命令
DDL即数据定义语言：
（1）创建表
create '表名','列族1','列族2' # 例如： create ‘student’,’address’,’info’
（2）以列表的形式显示所有表
list
（3）查看表的结构
desc '表名' # 例如： desc 'student'
（4）修改表的结构
disable '表名' # 设置表为不可用的状态 alter '表名',NAME＝>'列族名' # 添加列族 alter '表名',NAME＝>'cf3',METHOD＝>'delete' # 删除列族 # 例如： # disable 'student' —— 设置student为不可用状态 # alter 'student',NAME＝>'cf3' —— 添加列族cf3 # alter 'student',NAME＝>'cf3',METHOD＝>'delete' —— 删除列族cf3
（5）查询表是否存在
exists '表名' # 例如： exists 'student'
（6）判断表是否可用或者不可用
is_eabled '表名' # 判断表是否可用 is_disabled '表名' # 判断表是否不可用
（7）删除表
disable '表名' # 设置表为不可用的状态 drop '表名' # 删除指定表3.DML *** 作命令
DML即数据 *** 作语言：
首先， 假设student 表的列族为address { province、city}、info { height、weight、birthday、telephone}、'row key' 为姓名(也可根据需要设学号为row key)
（1）插入记录数据
格式：put '表名','row key','列族:列','列的值'
put 'student','zhangsan','address:province','guizhou' put 'student','zhangsan','address:city','guiyang' put 'student','zhangsan','info:height','180' put 'student','zhangsan','info:birthday','2000-01-01' put 'student','zhangsan','info:telephone','18888888888'
（2）获取一条数据
格式：get '表名','row key'
get 'student','zhangsan'
（3）获取一个ID（row key）的一个列族所有数据
格式：get '表名','row key','列族'
get 'student','zhangsan','info'
（4）更新一条记录
格式：get '表名','row key','列族:列'
get 'student','zhangsan','info:height'
（5）更新一条数据
格式：put '表名','row key','列族:列','列新的值'
put 'student','zhangsan','info:height','190'
（6）读出表数据
scan '表名'
scan 'student'
（7）查询表有多少行
count '表名'
count 'student'
（8）将表清空
truncate '表名'
truncate 'student'
（9）删除某ID（row key）的某列的值
格式：delete '表名','row key','列族:列'
delete 'student','zhangsan','info:height'4.运行Hbase Shell脚本
可以将 *** 作命令写入文件中，当成Hbase Shell脚本，再在Linux shell命令下执行该脚本。
比如：在Linux文件系统中创建一个脚本testHbaseData.sh，再在Linux Shell命令下执行：
vi testHbaseData.sh，在脚本文件中添加如下内容：
put 'student','lisi','address:province','guizhou'
put 'student','lisi','address:city','guiyang'
put 'student','lisi','info:height','185'
put 'student','lisi','info:birthday','1995-01-01'
put 'student','lisi','info:telephone','18899999999'
执行脚本文件：
hbase shell testHbaseData.sh四、Hbase基础编程 1.Hbase API
（1）HbaseConfiguration类
该类在hbase-common-1.4.13.jar 里，包名为org.apach.hadoop.hbase，该类是客户端必须使用的。 它从hbase-default.xml和hbase-site.xml文件中获取配置信息，编程时使用如下语句进行初始化配置文件：
Configuration config = HbaseConfiguration.create();
（2）ConnectionFactory类和Connection接口
该类和接口在hbase-common-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，用来通过配置连接Hbase 集群，即建立连接，提高连接接口。 编程时使用如下语句：
Connection connection = ConnectionFactory.createConnection(config)
（3）HbaseAdmin类和Admin接口
该类和接口在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，封装了对数据表结构的 *** 作的接口，提供的方法有：创建表、删除表、列出表项、使表有效或者无效、添加或者删除表列族成员。
（4）HTableDescriptor类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase。HTableDescriptor类封装了表的相关属性及 *** 作接口。
（5）HColumnDescriptor类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase。HColumnDescriptor类维护列族的相关信息。
（6）HTable类和Table接口
该类和接口在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，HTable类与Hbase表直接通信,编程时不推荐使用HTable 类， 建议直接使用Table 接口， 使用如下语句获得Table 接口变量:
TableName tableName = TableName.valueOf("表名");
Table table = connection.getTable(tableName);
（7）Put类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，Put类用来对单行数据的添加 *** 作。
（8）Get类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，Get类用于获取单行数据的相关信息。
（9）Scan类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，用于对表进行检索
（10）ResultScanner类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client，该类提供了客户端获取值得接口。
（11）Result类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client
（12）Delete类
该类在hbase-client-1.4.13.jar 里，包名为org.apach.hadoop.hbase.client
（13）TableName类
该类在hbase-common-1.4.13.jar 里，包名为org.apach.hadoop.hbase
（14）Cell类和CellUtil类
2.Hbase API编程代码演示该类在hbase-common-1.4.13.jar 里，包名为org.apach.hadoop.hbase
下面通过示例介绍使用Java 语言编程来 *** 作Hbase 中的表及数据，编程时必需的最少
jar 包为hadoop-common-2.x.x.jar、hbase-common-1.4.13.jar、hbase-client-1.4.13.jar
①打开Eclipse 编程工具,并建立Java工程MyHbaseUtil；
②新建lib 目录, 将Hbase 编程所需的jar 包拷贝到lib 目录下, 并加入buildpath；
③新建Class文件， 比如: HbaseUtil 类， 并在该类中编写针对Hbase *** 作的方法， 为
了测试在本类中添加入口主方法main()， 使用HbaseUtil *** 作数据；
④将本工程导出生成jar 包文件(指定主类)， 导出生成jar 包文件的方法：
选择Eclipse的菜单File→Export， 接着选Java 下的Jar File，点击“Next”， 勾选当前工程(比如:MyHbaseUtil)， 此时默认选中当前工程下的src和lib 目录,接下来勾选“Export all output folders for checked projects”，导出所有输出文件夹， 在选项Options中勾选“Compress the contents of the of JAR file” “ add directory entries”， 在“ Select the export destination:”中输入JAR file 存储位置及文件名(比如: MyHbaseUtil.jar)，最后点击“Finish”即可！⑤ 将导出的jar 文件上传到服务器BigData01中，再使用命令：
hadoop jar MyHbaseUtil.jar hadoop.hbase.HbaseUtil运行程序(需要保证已经启动运行了Hbase集群)， 假设出现Zookeeper连接错误， 则将程序代码中注释下面几行：
//conf.set("hbase.zookeeper.quorum", "BigData01:2181, BigData02:2181, BigData03:2181");
//conf.set("hbase.zookeeper.quorum", "BigData01, BigData02, BigData03");
//conf.set("hbase.zookeeper.property.clientPort", "2181");
参考代码如下：
package hadoop.hbase;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HbaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.HTableDescriptor;
import org.apache.hadoop.hbase.KeyValue;
import org.apache.hadoop.hbase.MasterNotRunningException;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.ZooKeeperConnectionException;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Append;
import org.apache.hadoop.hbase.client.Delete;
import org.apache.hadoop.hbase.client.Get;
import org.apache.hadoop.hbase.client.HbaseAdmin;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.Increment;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.ResultScanner;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.client.Table;
import org.apache.hadoop.hbase.filter.CompareFilter.CompareOp;
import org.apache.hadoop.hbase.filter.Filter;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.util.Bytes;
public class HbaseUtil {
private static Configuration conf = null;
static {
conf = HbaseConfiguration.create();
//conf.set("hbase.zookeeper.quorum", "BigData01:2181, BigData02:2181, BigData03:2181");
//conf.set("hbase.zookeeper.quorum", "BigData01, BigData02, BigData03");
//conf.set("hbase.zookeeper.property.clientPort", "2181");
System.out.println("---Static Code Loaded. Configuration: " + conf.toString());
}
public static void main(String[] args) {
String tableName = "goods";
String[] familys = {"baseinfo", "otherinfo"};
try {
System.out.println("===Test Beginning: Creat table " + tableName);
HbaseUtil.deleteTable(tableName);
HbaseUtil.createTable(tableName, familys);
HbaseUtil.addData(tableName, "000001", familys[0], "name", "创维电视机");
HbaseUtil.getoneRow(tableName, "000001");
} catch (IOException e) {
e.printStackTrace();
}
}
public static void createTable(String tableName, String[] familys) throws MasterNotRunningException, ZooKeeperConnectionException, IOException{
HbaseAdmin admin = new HbaseAdmin(conf);
if(admin.tableExists(tableName)){
System.out.println("---CreateTable: table " + tableName + " already exists!");
}else{
HTableDescriptor tableDesc = new HTableDescriptor(tableName);
for(int i=0; i
下一篇：数据仓库Hive的实战（超详细）
如果你喜欢、对你有帮助，点赞+收藏，跟着军哥学知识……
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）