【HBase入门】6. 常用 Shell 操作（3）

news2025/1/15 12:43:06

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