本文為轉載，原文地址：https://blog.csdn.net/ytusdc/article/details/78679100

本文基於實驗室已經搭建好的Hadoop平臺而寫，使用Python調用happybase庫。

1.thrift 是facebook開發並開源的一個二進制通訊中間件，通過thrift，我們可以用Python來操作Hbase

    首先開啟Hadoop平臺的HadoopMaster的thrift服務，用Xshell連接HadoopMaster，用root用戶登錄，

如果想關閉終端之後，thrift服務繼續運行，可以用daemon模式運行

2.安裝happybase和thrift

pip install happybase

pip install thrift
 

3.嘗試連接Hbase

import happybase

connection = happybase.Connection(‘10.1.13.111‘)
print connection.tables()
此時會出現下面的錯誤：

thriftpy.parser.exc.ThriftParserError: ThriftPy does not support generating module with path in protocol ‘c‘

解決的辦法請參考這個連接：

http://stackoverflow.com/questions/39220102/error-import-impyla-library-on-windows

即將 C:\Python27\Lib\site-packages\thriftpy\parser\parser.py , line 488

if url_scheme == ‘‘:
修改為

if len(url_scheme) <= 1:

上面的方法不好用，應該改成下面就可以

if url_scheme == ‘‘ or url_scheme == ‘c‘:

4.happybase的使用

請參考http://happybase.readthedocs.io/en/latest/index.html

在此做一下簡單的使用介紹

（1）建立連接

import happybase

connection = happybase.Connection(‘10.1.13.111‘)
當connection被創建的時候，默認自動與Hbase建立socket連接的。

若不想自動與Hbase建立socket連接，可以將autoconnect參數設置為False

connection = happybase.Connection(‘10.1.13.111‘, autoconnect=False)
然後手動與Hbase建立socket連接

connection.open()

（2）連接建立好之後查看可以使用的table

print connection.tables()
因為還沒有創建table，所以返回結果是 []

（3）創建一個table

connection.create_table(
‘my_table‘,
{
‘cf1‘: dict(max_versions=10),
‘cf2‘: dict(max_versions=1, block_cache_enabled=False),
‘cf3‘: dict(), # use defaults
}
)
此時，我們再通過connection.tables()查看可以使用的table，結果為[‘my_table‘]

創建的table即my_table包含3個列族：cf1、cf2、cf3

（4）獲取一個table實例

一個table被創建好之後，要想對其進行操作，首先要獲取這個table實例

table = connection.table(‘my_table‘)

（5）使用table的命名空間

    因為一個Hbase會被多個項目共同使用，所以就會導致table的命名沖突，為了解決這個問題，可以在創建table的時候，手動加上項目的名字作為table名字的前綴，例如myproject_xyz。

    但是這樣做比較麻煩，happybase幫我們做好了工作，我們可以在與Hbase建立連接的時候，通過設置table_prefix參數來實現這個功能

connection = happybase.Connection(‘10.1.13.111‘, table_prefix=‘myproject‘)
此時connection.tables()只會返回包含在該命名空間裏的tables，且返回的tables的名字會以簡單的形式顯示，即不包含前綴。

（6）存儲數據：Hbase裏 存儲的數據都是原始的字節字符串

cloth_data = {‘cf1:content‘: u‘牛仔褲‘, ‘cf1:price‘: ‘299‘, ‘cf1:rating‘: ‘98%‘}
hat_data = {‘cf1:content‘: u‘鴨舌帽‘, ‘cf1:price‘: ‘88‘, ‘cf1:rating‘: ‘99%‘}
shoe_data = {‘cf1:content‘: u‘耐克‘, ‘cf1:price‘: ‘988‘, ‘cf1:rating‘: ‘100%‘}
author_data = {‘cf2:name‘: u‘LiuLin‘, ‘cf2:date‘: ‘2017-03-09‘}

table.put(row=‘www.test1.com‘, data=cloth_data)
table.put(row=‘www.test2.com‘, data=hat_data)
table.put(row=‘www.test3.com‘, data=shoe_data)
table.put(row=‘www.test4.com‘, data=author_data)
使用put一次只能存儲一行數據

如果row key已經存在，則變成了修改數據

（7）更好的存儲數據

table.put()方法會立即給Hbase Thrift server發送一條命令。其實這種方法的效率並不高，我們可以使用更高效的table.batch()方法。

使用batch一次插入多行數據

bat = table.batch()
bat.put(‘www.test5.com‘, {‘cf1:price‘: 999, ‘cf2:title‘: ‘Hello Python‘, ‘cf2:length‘: 34, ‘cf3:code‘: ‘A43‘})
bat.put(‘www.test6.com‘, {‘cf1:content‘: u‘剃須刀‘, ‘cf1:price‘: 168, ‘cf1:rating‘: ‘97%‘})
bat.put(‘www.test7.com‘, {‘cf3:function‘: ‘print‘})
bat.send()
更有用的方法是使用上下文管理器來管理batch，這樣就不用手動發送數據了，即不再需要bat.send()

使用with來管理batch

with table.batch() as bat:
bat.put(‘www.test5.com‘, {‘cf1:price‘: ‘999‘, ‘cf2:title‘: ‘Hello Python‘, ‘cf2:length‘: ‘34‘, ‘cf3:code‘: ‘A43‘})
bat.put(‘www.test6.com‘, {‘cf1:content‘: u‘剃須刀‘, ‘cf1:price‘: ‘168‘, ‘cf1:rating‘: ‘97%‘})
bat.put(‘www.test7.com‘, {‘cf3:function‘: ‘print‘})
還可以刪除數據

在batch中刪除數據

with table.batch() as bat:
bat.put(‘www.test5.com‘, {‘cf1:price‘: ‘999‘, ‘cf2:title‘: ‘Hello Python‘, ‘cf2:length‘: ‘34‘, ‘cf3:code‘: ‘A43‘})
bat.put(‘www.test6.com‘, {‘cf1:content‘: u‘剃須刀‘, ‘cf1:price‘: ‘168‘, ‘cf1:rating‘: ‘97%‘})
bat.put(‘www.test7.com‘, {‘cf3:function‘: ‘print‘})
bat.delete(‘www.test1.com‘)
batch將數據保存在內存中，知道數據被send，第一種send數據的方法是顯示地發送，即bat.send()，第二種send數據的方法是到達with上下文管理器的結尾自動發送。這樣就存在一個問題，萬一數據量很大，就會占用太多的內存。所以我們在使用table.batch()的時候要通過batch_size參數來設置batch的大小

通過batch_size參數來設置batch的大小

with table.batch(batch_size=10) as bat:
for i in range(16):
bat.put(‘www.test{}.com‘.format(i), {‘cf1:price‘: ‘{}‘.format(i)})

（8）掃描一個table裏的數據

全局掃描一個table

for key, value in table.scan():
print key, value
結果如下：

這種全局掃描一個表格其實代價是很大的，尤其是當數據量很大的時候。我們可以通過設置開始的row key 或結束的row key或者同時設置開始和結束的row key來進行局部查詢

通過row_start參數來設置開始掃描的row key

for key, value in table.scan(row_start=‘www.test2.com‘):
print key, value

通過row_stop參數來設置結束掃描的row key

for key, value in table.scan(row_stop=‘www.test3.com‘):
print key, value

通過row_start和row_stop參數來設置開始和結束掃描的row key

for key, value in table.scan(row_start=‘www.test2.com‘, row_stop=‘www.test3.com‘):
print key, value
另外，還可以通過設置row key的前綴來進行局部掃描

通過row_prefix參數來設置需要掃描的row key

for key, value in table.scan(row_prefix=‘www.test‘):
print key, value

（9）檢索數據

檢索一行數據

row = table.row(‘www.test4.com‘)
print row
直接返回該row key的值（以字典的形式），結果為：

{‘cf2:name‘: ‘LiuLin‘, ‘cf2:date‘: ‘2017-03-09‘}

檢索多行數據

rows = table.rows([‘www.test1.com‘, ‘www.test4.com‘])
print rows
返回的是一個list，list的一個元素是一個tuple，tuple的第一個元素是row key，第二個元素是row key的值

如果想使檢索多行數據即table.rows()返回的結果是一個字典，可以這樣處理

檢索多行數據，返回字典

rows_dict = dict(table.rows([‘www.test1.com‘, ‘www.test4.com‘]))
print rows_dict
如果想使table.rows()返回的結果是一個有序字典，即OrderedDict，可以這樣處理

檢索多行數據，返回有序字典

from collection import OrderedDict
rows_ordered_dict = OrderedDict(table.rows([‘www.test1.com‘, ‘www.test4.com‘]))
print rows_ordered_dict

（10）更好地檢索數據

通過指定列族來檢索數據

row = table.row(‘www.test1.com‘, columns=[‘cf1‘])
print row

通過指定列族中的列來檢索數據

row = table.row(‘www.test1.com‘, columns=[‘cf1:price‘, ‘cf1:rating‘])
print row
print row[‘cf1:price‘]
在Hbase裏，每一個cell都有一個時間戳timestamp，可以通過時間戳來檢索數據

通過指定時間戳來檢索數據，時間戳必須是整數

row = table.row(‘www.test1.com‘, timestamp=1489070666)
print row
默認情況下，返回的數據並不會包含時間戳，如果你想獲取時間戳，這樣就可以了

在返回的數據裏面包含時間戳

row = table.row(row=‘www.test1.com‘, columns=[‘cf1:rating‘, ‘cf1:price‘], include_timestamp=True)
print row
對於同一個單元的值，Hbase存儲了多個版本，在創建表的時候可以通過max_versions參數來設置一個列族的最大版本號，如果想檢索某一cell所有的版本，可以這樣

檢索某一個cell所有的版本

cells = table.cells(b‘www.test1.com‘, column=‘cf1:price‘)
print cells
也可以通過version參數來指定需要檢索的前n個版本，如下

通過設置version參數來檢索前n個版本

cells = table.cells(b‘www.test1.com‘, column=‘cf1:price‘, versions=3)
print cells
（11）刪除數據

刪除一整行數據

table.delete(‘www.test4.com‘)

刪除一個列族的數據

table.delete(‘www.test2.com‘, columns=[‘cf1‘])

刪除一個列族中幾個列的數據

table.delete(‘www.test2.com‘, columns=[‘cf1：name‘, ‘cf1:price‘])

（12）使用連接池

Hbase自帶有線程安全的連接池，踏允許多個線程共享和重用已經打開的連接。這對於多線程的應用是非常有用的。當一個線程申請一個連接，它將獲得一個租賃憑證，在此期間，這個線程單獨享有這個連接。當這個線程使用完該連接之後，它將該連接歸還給連接池以便其他的線程可以使用

創建連接，通過參數size來設置連接池中連接的個數

pool = happybase.ConnectionPool(size=3, host=‘10.1.13.111‘, table_prefix=‘myProject‘)

獲取連接

with pool.connection() as connection:
print connection.tables()

Hbase實戰教程（轉）