HBase怎樣查詢數(shù)據(jù)表和獲取多版本數(shù)據(jù)？

HBase數(shù)據(jù)模型是一個多維稀疏映射。 HBase中的表包含列族，其列限定符包含值和時間戳。在大多數(shù) HappyBase API 中，列族和限定符名稱被指定為單個字符串，例如cf1:col1，而不是作為兩個單獨的參數(shù)。雖然列族和限定符在 HBase 數(shù)據(jù)模型中是不同的概念，但它們在與數(shù)據(jù)交互時幾乎總是一起使用，因此將它們視為單個字符串會使 API 變得更簡單。

查詢行

Table 類提供了多種方法來從 HBase 中的表中檢索數(shù)據(jù)。最基本的是 Table.row()，它從表中檢索單行，并將其作為映射列到值的字典返回：

row = table.row(b'rk0001')
print(row[b'info:name'])   # prints the value of info:name
# 返回值：b'zhangsan'，注意是二進制<class 'bytes'>類型
# 轉(zhuǎn)換字符串：
print(str(row[b'info:name'], encoding="utf-8"))
# 即
str(bytes對象, encoding="編碼格式，通常使用utf-8")

> 注意，庫中的字符串都有前綴：b，表示二進制

> 如：print(type(row[b'info:name']))

> 返回值：

查詢多行

Table.rows() 方法的工作方式與 Table.row() 類似，但需要多個行鍵并將它們作為 (key, data) 元組返回：

rows = table.rows([b'rk0001', b'rk0002'])
for key, data in rows:
    print(key, data)

"""
返回值：
b'rk0001' {b'data:pic': b'picture', b'info:age': b'20', b'info:gender': b'female', b'info:name': b'zhangsan'}
b'rk0002' {b'data:pic': b'picture', b'info:age': b'11', b'info:gender': b'male', b'info:name': b'wangwu'}

注意哦，key是bytes對象
data是字典對象，字典中key和value都是bytes

如果您希望 Table.rows() 作為字典或有序字典返回的結(jié)果，您必須自己執(zhí)行此操作。不過這真的很簡單，因為返回值可以直接傳遞給字典構(gòu)造函數(shù)。對于普通字典，順序丟失：

rows_dict = dict(table.rows([b'rk0001', b'rk0002']))
# 返回值：
"""
字典：
{b'rk0001': {b'data:pic': b'picture', b'info:age': b'20',
 b'info:gender': b'female', b'info:name': b'zhangsan'}, 
 b'rk0002': {b'data:pic': b'picture', b'info:age': b'11',
  b'info:gender': b'male', b'info:name': b'wangwu'}}
"""

而對于 OrderedDict，順序被保留：

from collections import OrderedDict
rows_as_ordered_dict = OrderedDict(table.rows([b'rk0002', b'rk0001']))

"""
返回值：
OrderedDict([(b'rk0002', {b'data:pic': b'picture', 
b'info:age': b'11', b'info:gender': b'male', b'info:name': 
b'wangwu'}), (b'rk0001', {b'data:pic': b'picture', 
b'info:age': b'20', b'info:gender': b'female', 
b'info:name': b'zhangsan'})])
"""

進行更細粒度的查詢

HBase 的數(shù)據(jù)模型允許對要檢索的數(shù)據(jù)進行更細粒度的選擇。如果您事先知道需要哪些列，則可以通過將這些列明確指定給 Table.row() 和 Table.rows() 來提高性能。 columns 參數(shù)采用列名的列表(或元組)：

row = table.row(b'rk0001', columns=[b'info:name', b'data:pic'])
# row對象類型字典，內(nèi)容：{b'data:pic': b'picture', b'info:name': b'zhangsan'}
print(row[b'info:name'])
print(row[b'data:pic'])

"""
返回值：bytes類型，需要的話自行轉(zhuǎn)字符串
b'zhangsan'
b'picture'

如果檢索一整個列族中的所有列(二級列)。例如，要獲取列族 info中的所有列和值，請使用以下命令：

row = table.row(b'rk0001', columns=[b'info'])
print(type(row))
print(row)

"""
返回值：
<class 'dict'>
{b'info:age': b'20', b'info:gender': b'female', b'info:name': b'zhangsan'}
"""

基于時間戳查詢

在 HBase 中，每個單元都有一個附加的時間戳。如果您不想使用存儲在 HBase 中的最新版本數(shù)據(jù)，則可以使用從數(shù)據(jù)庫中檢索數(shù)據(jù)的方法，例如Table.row() 都接受一個時間戳參數(shù)，該參數(shù)指定結(jié)果應限制為時間戳不超過指定時間戳的值：

row = table.row(b'rk0001', timestamp=123456789)

默認情況下，HappyBase 在返回的結(jié)果中不包含時間戳。在您的應用程序需要訪問時間戳時，只需將 include_timestamp 參數(shù)設置為 True。現(xiàn)在，結(jié)果中的每個單元格都將作為(值，時間戳)元組返回，而不僅僅是一個值：

row = table.row(b'rk0001', columns=[b'info'], include_timestamp=True)
print(type(row))
print(row)

"""
返回值：
<class 'dict'>
{b'info:age': (b'20', 1641832837038), b'info:gender':
 (b'female', 1641832832414), b'info:name': (b'zhangsan', 
 1641832826093)}
"""

獲取多版本數(shù)據(jù)

HBase 支持存儲同一單元的多個版本。這可以為每個列族配置。要檢索給定行的列的所有版本，可以使用 Table.cells()。此方法返回一個有序的單元格列表，最新版本排在最前面。版本參數(shù)指定要返回的最大版本數(shù)。就像檢索行的方法一樣，include_timestamp 參數(shù)確定時間戳是否包含在結(jié)果中。例子：

# 首先，準備一個保存多版本的表
create 'tv', {NAME => 'info', VERSIONS => 5}
# 插入版本1
put 'tv', 'rk0001', 'info:name', 'hahaha'
# 插入版本2
put 'tv', 'rk0001', 'info:name', 'heiheihei'

# 檢查
hbase(main):024:0> scan 'tv'
ROW                          COLUMN+CELL                                                                       
 rk0001                      column=info:name, timestamp=1641836267655, value=heiheihei                        
1 row(s)
Took 0.0103 seconds

table = connection.table('tv')
# 獲取1個版本（默認最新咯）
values = table.cells(b'rk0001', b'info:name', versions=1)
print(type(values))
print(values)

"""
返回值：
<class 'list'>
[b'heiheihei']
"""
# 獲取2個版本
values = table.cells(b'rk0001', b'info:name', versions=2)
print(type(values))
print(values)

"""
返回值：
<class 'list'>
[b'heiheihei', b'hahaha']
可見，2個版本都獲取了，按照順序，第一個最新
"""

# 獲取多版本并附帶時間戳信息
values = table.cells(b'rk0001', b'info:name', versions=2, include_timestamp=True)
print(type(values))
print(values)

"""
返回值：
<class 'list'>
[(b'heiheihei', 1641836267655), (b'hahaha', 1641836263534)]
"""