用Python操作HBase之HBase-Thrift

安装Thrift

安装Thrift的具体操作，请点击链接

Python操作Hbase

• 安装依赖包

pip install thrift
pip install hbase-thrift

• 连接与操作代码如下：

from thrift.transport import TSocket,TTransport
from thrift.protocol import TBinaryProtocol
from hbase import Hbase

# thrift默认端口是9090
socket = TSocket.TSocket('192.168.0.156',9090)
socket.setTimeout(5000)

transport = TTransport.TBufferedTransport(socket)
protocol = TBinaryProtocol.TBinaryProtocol(transport)

client = Hbase.Client(protocol)
socket.open()

print client.getTableNames()
print client.get('test','row1','cf:a')

常用方法说明

• createTable(tbaleName,columnFamilies)：创建表，无返回值
  
  • tableName：表名
  • columnFamilies：列族信息，为一个ColumnDescriptor列表

from hbase.ttypes import ColumnDescriptor

# 定义列族
column = ColumnDescriptor(name='cf')
# 创建表
client.createTable('test4',[column])

• enabledTable(tbaleName)：启用表，无返回值
  
  • tableName：表名

# 启用表，若表之前未被禁用将会引发IOError错误
client.enabledTable('test')

• disableTable(tbaleName)：禁用表，无返回值
  
  • tableName：表名

# 禁用表，若表之前未被启用将会引发IOError错误
client.disableTable('test')

• isTableEnabled(tbaleName)：验证表是否被启用，返回一个bool值
  
  • tableName：表名

client.isTableEnabled('test')

• getTableNames(tbaleName)：获取表名列表，返回一个str列表
  
  • tableName：表名

client.getTableNames()

• getColumnDescriptors(tbaleName)：获取所有列族信息，返回一个字典
  
  • tableName：表名

client.getColumnDescriptors('test')

• getTableRegions(tbaleName)：获取所有与表关联的regions，返回一个TRegionInfo对象列表
  
  • tableName：表名

client.getTableRegions('test')

• deleteTable(tbaleName)：删除表，无返回值
  
  • tableName：表名

# 表不存在将会引发IOError(message='java.io.IOException: table does not exist...)错误
# 表未被禁用将会引发IOError(message='org.apache.hadoop.hbase.TableNotDisabledException:...)错误

client.deleteTable('test5')

• get(tableName,row,column)：获取数据列表，返回一个hbase.ttypes.TCell对象列表
  
  • tableName：表名
  • row：行
  • column：列

result = client.get('test','row1','cf:a')       # 为一个列表，其中只有一个hbase.ttypes.TCell对象的数据
print result[0].timestamp
print result[0].value

• getVer(tableName,row,column,numVersions)：获取数据列表，返回一个hbase.ttypes.TCell对象列表
  
  • tableName：表名
  • row：行
  • column：列
  • numVersions：要检索的版本数量

result = client.get('test','row1','cf:a',2)       # 为一个列表，其中只有一个hbase.ttypes.TCell对象的数据
print result[0].timestamp
print result[0].value

• getVerTs(tableName,row,column,timestamp,numVersions)：获取小于当前时间戳的数据列表(似乎只获取前一个)，返回一个hbase.ttypes.TCell对象列表
  
  • tableName：表名
  • row：行
  • column：列
  • timestamp：时间戳
  • numVersions：要检索的版本数量

result = client.get('test','row1','cf:a',2)       # 为一个列表，其中只有一个hbase.ttypes.TCell对象的数据
print result[0].timestamp
print result[0].value

• getRow(tableName,row)：获取表中指定行在最新时间戳上的数据。返回一个hbase.ttypes.TRowResult对象列表，如果行号不存在返回一个空列表
  
  • tableName：表名
  • row：行

# 行
row = 'row1'
# 列
column = 'cf:a'
# 查询结果
result = client.getRow('test',row)      # result为一个列表
for item in result:                     # item为hbase.ttypes.TRowResult对象
    print item.row
    print item.columns.get('cf:a').value        # 获取值。item.columns.get('cf:a')为一个hbase.ttypes.TCell对象
    print item.columns.get('cf:a').timestamp    # 获取时间戳。item.columns.get('cf:a')为一个hbase.ttypes.TCell对象

• getRowWithColumns(tableName,row,columns)：获取表中指定行与指定列在最新时间戳上的数据。返回一个hbase.ttypes.TRowResult对象列表，如果行号不存在返回一个空列表
  
  • tableName：表名
  • row：行
  • columns：列，list

result = client.getRowWithColumns('test','row1',['cf:a','df:a'])
for item in result:
    print item.row
    print item.columns.get('cf:a').value
    print item.columns.get('cf:a').timestamp

    print item.columns.get('df:a').value
    print item.columns.get('df:a').timestamp

• getRowTs(tableName,row,timestamp)：获取表中指定行并且小于这个时间戳的所有数据。返回一个hbase.ttypes.TRowResult对象列表，如果行号不存在返回一个空列表
  
  • tableName：表名
  • row：行
  • timestamp：时间戳

result = client.getRowTs('test','row1',1513069831512)

• getRowWithColumnsTs(tableName,row,columns,timestamp)：获取指定行与指定列，并且小于这个时间戳的所有数据。返回一个hbase.ttypes.TRowResult对象列表，如果行号不存在返回一个空列表
  
  • tableName：表名
  • row：行
  • columns：列，list
  • timestamp：时间戳

result = client.getRowWithColumnsTs('test','row1',['cf:a','cf:b','df:a'],1513069831512)

• mutateRow(tableName,row,mutations)：在表中指定行执行一系列的变化操作。如果抛出异常，则事务被中止。使用默认的当前时间戳，所有条目将具有相同的时间戳。无返回值
  
  • tableName：表名
  • row：行
  • mutations：变化,list

from hbase.ttypes import Mutation

mutation = Mutation(name='cf:a',value='1')

# 插入数据。如果在test表中row行cf:a列存在，将覆盖
client.mutateRow('test','row1',[mutation])

• mutateRowTs(tableName,row,mutations,timestamp)：在表中指定行执行一系列的变化操作。如果抛出异常，则事务被中止。使用指定的时间戳，所有条目将具有相同的时间戳。如果是更新操作时，如果指定时间戳小于原来数据的时间戳，将被忽略。无返回值
  
  • tableName：表名
  • row：行
  • mutations：变化,list
  • timestamp：时间戳

from hbase.ttypes import Mutation
# value必须为字符串格式，否则将报错
mutation = Mutation(column='cf:a',value='2')
client.mutateRowTs('test','row1',[mutation],1513070735669)

• mutateRows(tableName,rowBatches)：在表中执行一系列批次(单个行上的一系列突变)。如果抛出异常，则事务被中止。使用默认的当前时间戳，所有条目将具有相同的时间戳。无返回值
  
  • tableName：表名
  • rowBatches：一系列批次

from hbase.ttypes import Mutation,BatchMutation
mutation = Mutation(column='cf:a',value='2')
batchMutation = BatchMutation('row1',[mutation])
client.mutateRows('test',[batchMutation])

• mutateRowsTs(tableName,rowBatches,timestamp)：在表中执行一系列批次(单个行上的一系列突变)。如果抛出异常，则事务被中止。使用指定的时间戳，所有条目将具有相同的时间戳。如果是更新操作时，如果指定时间戳小于原来数据的时间戳，将被忽略。无返回值
  
  • tableName：表名
  • rowBatches：一系列批次，list
  • timestamp：时间戳

mutation = Mutation(column='cf:a',value='2')
batchMutation = BatchMutation('row1',[mutation])
client.mutateRowsTs('cx',[batchMutation],timestamp=1513135651874)

• atomicIncrement(tableName,row,column,value)：原子递增的列。返回当前列的值
  
  • tableName：表名
  • row：行
  • column：列
  • value：原子递增的值

result = client.atomicIncrement('cx','row1','cf:b',1)
print result    # 如果之前的值为2，此时值为3

• deleteAll(tableName,row,column)：删除指定表指定行与指定列的所有数据，无返回值
  
  • tableName：表名
  • row：行
  • column：列

client.deleteAll('cx','row1','cf:a')

• deleteAllTs(tableName,row,column,timestamp)：删除指定表指定行与指定列中，小于等于指定时间戳的所有数据，无返回值
  
  • tableName：表名
  • row：行
  • column：列
  • timestamp：时间戳

client.deleteAllTs('cx','row1','cf:a',timestamp=1513569725685)

• deleteAllRow(tableName,row)：删除整行数据，无返回值
  
  • tableName：表名
  • row：行

client.deleteAllRow('cx','row1')

• deleteAllRowTs(tableName,row,timestamp)：删除指定表指定行中，小于等于此时间戳的所有数据，无返回值
  
  • tableName：表名
  • row：行
  • timestamp：时间戳

client.deleteAllRowTs('cx','row1',timestamp=1513568619326)

• scannerOpen(tableName,startRow,columns)：在指定表中，从指定行开始扫描，到表中最后一行结束，扫描指定列的数据。返回一个ScannerID，int类型
  
  • tableName：表名
  • startRow：起始行
  • columns：列名列表,list类型

scannerId = client.scannerOpen('cx','row2',["cf:b","cf:c"])

• scannerOpenTs(tableName,startRow,columns,timestamp)：在指定表中，从指定行开始扫描，获取所有小于指定时间戳的所有数据，扫描指定列的数据。返回一个ScannerID，int类型
  
  • tableName：表名
  • startRow：起始行
  • columns：列名列表,list类型
  • timestamp：时间戳

scannerId = client.scannerOpenTs('cx','row1',["cf:a","cf:b","cf:c"],timestamp=1513579065365)

• scannerOpenWithStop(tableName,startRow,stopRow,columns)：在指定表中，从指定行开始扫描，扫描到结束行结束(并不获取指定行的数据)，扫描指定列的数据。返回一个ScannerID，int类型
  
  • tableName：表名
  • startRow：起始行
  • stopRow：结束行
  • columns：列名列表,list类型

scannerId = client.scannerOpenWithStop('cx','row1','row2',["cf:b","cf:c"])

• scannerOpenWithStopTs(tableName,startRow,stopRow,columns,timestamp)：在指定表中，从指定行开始扫描，扫描到结束行结束(并不获取指定行的数据)，获取所有小于指定时间戳的所有数据，扫描指定列的数据。返回一个ScannerID，int类型
  
  • tableName：表名
  • startRow：起始行
  • stopRow：结束行
  • columns：列名列表,list类型
  • timestamp：时间戳

scannerId = client.scannerOpenWithStopTs('cx','row1','row2',["cf:a","cf:b","cf:c"],timestamp=1513579065365)

• scannerOpenWithPrefix(tableName,startAndPrefix,columns)：在指定表中，扫描具有指定前缀的行，扫描指定列的数据。返回一个ScannerID，int类型
  
  • tableName：表名
  • startAndPrefix：行前缀
  • columns：列名列表,list类型

scannerId = client.scannerOpenWithPrefix('cx','row',["cf:b","cf:c"])

• scannerGet(id)：根据ScannerID来获取结果，返回一个hbase.ttypes.TRowResult对象列表
  
  • id：ScannerID

scannerId = client.scannerOpen('cx','row1',["cf:b","cf:c"])
while True:
    result = client.scannerGet(scannerId)
    if not result:
        break
    print result

• scannerGetList(id,nbRows)：根据ScannerID来获取指定数量的结果，返回一个hbase.ttypes.TRowResult对象列表
  
  • id：ScannerID
  • nbRows：指定行数

scannerId = client.scannerOpen('cx','row1',["cf:b","cf:c"])
result = client.scannerGetList(scannerId,2)

• scannerClose(id)：关闭扫描器，无返回值
  
  • id：ScannerID

client.scannerClose(scannerId)