【HBase入门】6. 常用 Shell 操作（3）

前言

我们可以以shell的方式来维护和管理HBase。例如：执行建表语句、执行增删改查操作等等。

过滤器的用法

过滤器一般结合scan命令来使用。打开HBase的JAVA API文档。找到RowFilter的构造器说明，我们来看以下，HBase的过滤器该如何使用。
scan '表名', { Filter => "过滤器(比较运算符, '比较器表达式')” }

比较运算符

比较运算符	描述
=	等于
>	大于
>=	大于等于
<	小于
<=	小于等于
!=	不等于

比较器

比较器	描述
BinaryComparator	匹配完整字节数组
BinaryPrefixComparator	匹配字节数组前缀
BitComparator	匹配比特位
NullComparator	匹配空值
RegexStringComparator	匹配正则表达式
SubstringComparator	匹配子字符串

比较器表达式

基本语法：比较器类型:比较器的值

比较器	表达式语言缩写
BinaryComparator	binary:值
BinaryPrefixComparator	binaryprefix:值
BitComparator	bit:值
NullComparator	null
RegexStringComparator	regexstring:正则表达式
SubstringComparator	substring:值

需求一：使用RowFilter查询指定订单ID的数据

• 需求
  只查询订单的ID为：02602f66-adc7-40d4-8485-76b5632b5b53、订单状态以及支付方式

• 分析
  1.因为要订单ID就是ORDER_INFO表的rowkey，所以，我们应该使用rowkey过滤器来过滤
  2.通过HBase的JAVA API，找到RowFilter构造器
  
  通过上图，可以分析得到，RowFilter过滤器接受两个参数，

  op——比较运算符
  rowComparator——比较器

  所以构建该Filter的时候，只需要传入两个参数即可

• 命令
  scan 'ORDER_INFO', {FILTER => "RowFilter(=,'binary:02602f66-adc7-40d4-8485-76b5632b5b53')"}

需求二：查询状态为已付款的订单

• 需求
  查询状态为「已付款」的订单

• 分析
  1.因为此处要指定列来进行查询，所以，我们不再使用rowkey过滤器，而是要使用列过滤器
  2.我们要针对指定列和指定值进行过滤，比较适合使用SingleColumnValueFilter过滤器，查看JAVA API
  
  需要传入四个参数：

  列簇
  列标识（列名）
  比较运算符
  比较器

  注意：
  列名STATUS的大小写一定要对！此处使用的是大写！
  列名写错了查不出来数据，但HBase不会报错，因为HBase是无模式的

• 命令
  scan 'ORDER_INFO', {FILTER => "SingleColumnValueFilter('C1', 'STATUS', =, 'binary:已付款')", FORMATTER => 'toString'}

需求三：查询支付方式为1，且金额大于3000的订单

• 分析

  1. 此处需要使用多个过滤器共同来实现查询，多个过滤器，可以使用AND或者OR来组合多个过滤器完成查询
  2. 使用SingleColumnValueFilter实现对应列的查询

• 命令

  1. 查询支付方式为1
     SingleColumnValueFilter('C1', 'PAYWAY', = , 'binary:1')
  2. 查询金额大于3000的订单
     SingleColumnValueFilter('C1', 'PAY_MONEY', > , 'binary:3000')
  3. 组合查询
     scan 'ORDER_INFO', {FILTER => "SingleColumnValueFilter('C1', 'PAYWAY', = , 'binary:1') AND SingleColumnValueFilter('C1', 'PAY_MONEY', > , 'binary:3000')", FORMATTER => 'toString'}

• 注意：
  HBase shell中比较默认都是字符串比较，所以如果是比较数值类型的，会出现不准确的情况。例如：在字符串比较中4000是比100000大的

INCR

• 需求
  某新闻APP应用为了统计每个新闻的每隔一段时间的访问次数，他们将这些数据保存在HBase中。
  该表格数据如下所示：

  新闻ID	访问次数	时间段	ROWKEY
  0000000001	12	00:00-01:00	0000000001_00:00-01:00
  0000000002	12	01:00-02:00	0000000002_01:00-02:00

  要求：原子性增加新闻的访问次数值。

• incr操作简介
  incr可以实现对某个单元格的值进行原子性计数。语法如下：
  incr '表名','rowkey','列蔟:列名',累加值（默认累加1）

  • 如果某一列要实现计数功能，必须要使用incr来创建对应的列
  • 使用put创建的列是不能实现累加的

• 导入测试数据
  
  该脚本创建了一个表，名为NEWS_VISIT_CNT，列蔟为C1。并使用incr创建了若干个计数器，每个rowkey为：新闻的编号_时间段。CNT为count的缩写，表示访问的次数。
  hbase shell /export/software/NEWS_VISIT_CNT.txt scan 'NEWS_VISIT_CNT', {LIMIT => 5, FORMATTER => 'toString'}

• 需求一：对0000000020新闻01:00 - 02:00访问计数+1

  1. 获取0000000020这条新闻在01:00-02:00当前的访问次数
     get_counter 'NEWS_VISIT_CNT','0000000020_01:00-02:00','C1:CNT'
     此处，如果用get获取到的数据是这样的：

  base(main):029:0> get ‘NEWS_VISIT_CNT’,‘0000000020_01:00-02:00’,‘C1:CNT’
  COLUMN CELL
  C1:CNT timestamp=1599529533072, value=\x00\x00\x00\x00\x00\x00\x00\x06
  1 row(s)
  Took 0.0243 seconds

  2. 使用incr进行累加
     incr 'NEWS_VISIT_CNT','0000000020_01:00-02:00','C1:CNT'

  3. 再次查看新闻当前的访问次数
     get_counter 'NEWS_VISIT_CNT','0000000020_01:00-02:00','C1:CNT'