hbase的api代码示例
2015-02-15 18:49
190 查看
文章来源: http://www.xiaoyaochong.net/wordpress/index.php/2013/05/23/hbase%E5%85%A5%E9%97%A8%E5%AE%9E%E4%BE%8B/
/** * Hbase 基本CRUD 样例代码 覆盖Put Get Delete checkAndPut checkAndDelete Scan * 通过上面的各种操作的例子, 会基本覆盖Htable可以用的的所有方法 * 这里不涉及Hbase 管理代码的操作 * @author Administrator * */ public class HbaseCRUDTest_New { private static org.apache.hadoop.conf.Configuration conf = null; private static HTablePool pool = null; private static HBaseAdmin admin = null; private static final int MAX_TABLE_COUNT = 10; @BeforeClass public static void before()throws Exception{ /**服务器端缓存客户端的连接 是以conf为单位的(可能不准确:通常一个客户端 * 连接过来, 服务器端会有一个线程与之对应, 缓存的是这个服务器端的线程), * 所以最好不要到处创建conf实例, 一个就够了, 所有共用conf创建的到Hbase * 的连接和操作, 会共用一个连接 这样可以提高性能, 也会减小服务器端的压力 * 实际上创建Htable pool admin都是通过HConnection接口的实现类( * HConnectionImplementation)来完成的, 多个HConnection会由 * HConnectionManager来管理, 而conf是HConnectionImplementation的最 * 重要的构造参数 , 上面就以conf 来 标识和替代Hconnection 可能会带来歧义 * 以为conf就是连接本身 */ conf = HBaseConfiguration.create(); //这是一个10台集群的daily 日常性能测试环境 conf.set("hbase.zookeeper.quorum", "10.232.31.209,10.232.31.210,10.232.31.211"); conf.set("hbase.zookeeper.property.clientPort", "3325"); //conf.addResource("dataSource.xml");//也可以载入一个标准的Hbase配置文件 /**HTable是非线程安全的 在多线程环境下使用HTablePool是一个好的解决方案, * 参数MAX_TABLE_COUNT 是 pool保持的每个Htable实例的最大数量 , * 比如为10 如果有100个线程getTable() 同一张表 则他们会共用 pool中的该 * 表的10个实例 有些可能要排队等 用完的要回收放回去 * 使用的时候 就不要new Htable了, 直接从pool中取 * 用完再putTable 放回去 * * 在0.92以上的版本 则不用放回去 直接table.close() 即可 putTable 被标记 * 为 @Deprecated. 0.90.2 版本使用 putTable 下面的代码都没有 做 这些操作 * 避免 不同版本 出问题 */ pool = new HTablePool(conf, MAX_TABLE_COUNT); admin = new HBaseAdmin(conf); } /** * 注意一下:Put Get Delete Scan等操作的对象 都提供一个空的构造函数, 一般不要直接使用, 他们存在主要是在rpc传输的反序列化的时候要用到(了解Java RMI的应该很清楚) * @throws IOException * @throws InterruptedException */ @Test public void putTest() throws IOException, InterruptedException{ HTable table = (HTable)pool.getTable("user_test_xuyang"); //批量操作 共两种 底层都是调用 HConnection的processBatch方法( // table.batch(List<Put>) 和table.flushCommits()会直接调用) //首先 自动flush 关闭 就像 JDBC中的 auto_commit, 否则 加每一条 提交 // 一次,影响性能 不过table.put(List<Put>) table.batch(List<Row>)不受这 // 个影响, 设置false,只有当put总大小超过writeBufferSize 才提交 或者手工 // table.flushCommits() (table.put(List<Put>)操作完成后会手工提交一次), // writeBufferSize 也可以调整 table.setAutoFlush(false); //writeBufferSize 默认为2M ,调大可以增加批量处理的吞吐量, 丢失数据的风险也会加大 table.setWriteBufferSize(1024*1024*5); //这样可以看到 当前客户端缓存了多少put ArrayList<Put> putx = table.getWriteBuffer(); // 批量操作方法一,单一操作的批量 比如Htable.put delete get 都提供了List作 // 为参数的批处理. 默认每10条 或List<Put>数据量 超过writeBufferSize 提交 // 如果AutoFlush为true 一次性table.put(List<Put>)只提交一次 List<Put> puts = new ArrayList<Put>(10); for (int i = 0,len=10; i < len; i++) { Put put = new Put(Bytes.toBytes("row-"+i),new Date().getTime()); put.add(Bytes.toBytes("data"), Bytes.toBytes("name"), Bytes.toBytes("value"+i)); // 这里可以自定义添加时间戳, 默认就是当前时间(RegionServer服务器端的 // 时间) 也可以自己定义, 多版本时候(默认3)比如想插入一条比现在最新的记 // 录老的, 一些特殊情况下可能会有这种需求 put.add(Bytes.toBytes("data"), Bytes.toBytes("email"), System.currentTimeMillis(), Bytes.toBytes("value"+i+"@sina.com")); //也可以直接加入一个KeyValue,实际上底层就是存储为KeyValue的, 如果对 // 底层较熟悉, 这种操行更加高效, 一般上面的就可以完成日常工作了 put.add(new KeyValue(Bytes.toBytes("row-"+i), Bytes.toBytes("data"), Bytes.toBytes("age"),Bytes.toBytes(20+i))); puts.add(put); //写操作日志 这个对性能影响比较大, 但有很重要, 如果设为true, 只要写 // 成功, 就算 机器挂掉 也不会丢失, put.setWriteToWAL(false); /** * Put还有一些额外的东西 */ //put.has(family, qualifier,ts,value) //put 当前在内存中的大小 这个在setWriteBufferSize 可能会用到 /**实际上底层是 这么干的(当然还有其他比如put数量对table.flushCommits()的触发) * for(Put put:puts){ * total+=put.heapSize(); * if(total>=table.getWriteBufferSize()) * table.flushCommits(); * } */ put.heapSize(); //put 中 每次调用add 底层都会添加一个KeyValue,这个是添加的KeyValue数量 put.size(); //判断put中是否已经存在了 给定的family qualifier ts value // put.has(family, qualifier) // put.has(family, qualifier, value) // put.has(family, qualifier, ts) // put.has(family, qualifier, ts, value) //下面的方法 从字面上基本上就可以知道 put.isEmpty(); put.getRow(); put.getRowLock(); put.getLockId(); put.numFamilies(); } table.put(puts); table.flushCommits(); System.out.println(table.get(new Get(Bytes.toBytes("row-1")))); admin.flush("user_test_xuyang"); System.out.println(table.get(new Get(Bytes.toBytes("row-1")))); //批量操作方法一, 使用batch,可以混合各种操作 ( Put Delete Get 都是接口Row的实现) //主要 这个如果处理Put操作 是不会使用客户端缓存的 会直接异步的发送到服务器端 List<Row> rows = new ArrayList<Row>(10); for (int i = 10,len=20; i < len; i++) { Put put = new Put(Bytes.toBytes(("row-"+i))); put.add(Bytes.toBytes("data"), Bytes.toBytes("name"), Bytes.toBytes(("value"+i))); put.add(Bytes.toBytes("data"), Bytes.toBytes("email"), Bytes.toBytes(("value"+i+"@sina.com"))); rows.add(put); } //可以添加 删除操作 但是 最好不要把对同一行的Put Delete用batch操作 , // 因为 为了更好的性能 发到服务器端操作的顺序 是会改变的 很有可能不是放入的顺序 rows.add(new Delete(Bytes.toBytes("row-9"))); table.batch(rows); /** 一些需要注意的地方: * 1. 提交到服务器 处理如果出现问题 会从服务器端返回RetriesExhaustedWithDetailsException * 包含出错的原因 和重试的次数 * 如果 服务器端还是操作失败 , 这些put还会缓存在客户端 等到下次buffer 被flush, * 注意 如果客户端挂掉了 这些数据是会丢失的 * 当然如果是NoSuchColumnFamilyException只会重试一次 并且不会恢复 * 下面的情况要注意了 * table.put(puts); 是会抛出异常的,而且不会再提交 这样数据会丢失的 * 捕获这个异常手工table.flushCommits() 可以确保已经写入缓存的还可以有可能写入成功 * try { table.put(puts); } catch (Exception e) { table.flushCommits(); } * table.flushCommits(); 也会有异常 也要捕获 * * 2. 还时候 启用缓存 正常操作发生异常时候并不会被正常报出来, 有时候 * 会等到buffer被flush后才报出来 这也是要注意的地方 * * 3.在缓存中的puts 被发送到服务器端的顺序和服务器处理的顺序 是控制不 * 到的, 如果想指定顺序 , 只能使用较小的批处理 强制他们按照批处理的顺序执行 */ /** * 完备的一条记录就是一个KeyValue 一个rowkey可能有多个KeyValue(比如 * 多个版本, 一个版本是一条) * rowkey ColumnFamily Column TimeStamp Type Value * 其中的Type就是区别Put和Delete等操作的类别, 实际上Delete也是添加一条记录 * (Hbase存储的HDFS文件是只读的, 更新用 添加+删除 组合完成, 删除实际上 * 也是添加一条删除,实际操作都是添加,在Hbase Compact时候 合并数据时候会剔除标记为删除的rowkey) * 这种 增 改 删的一致性操作 在客户端给我们的操作带来了便利 * * 实际上ColumnFamily Column的名字是会以byte的形式存储在数据中的, * 因此, 它们在设计的时候名字应该尽可能的短 这样可以节省不少的空间 */ } /** * Delete与Put一致 把全部的Put改成Delete table.put -->table.delete 就可以了, * 不过有些需要注意, 看下面 */ @Test public void deleteTest(){ HTable table = (HTable)pool.getTable("user_test_xuyang"); try { //如果上面介绍的KeyValue 有点印象, 通过delete提供的构造函数可以知道 //不指定会删除所有的版本 Delete delete = new Delete(Bytes.toBytes("row-1")); table.delete(delete); } catch (Exception e) { e.printStackTrace(); } } /** * 一些原子性操作 对于java并发工具包有所了解的 应该会知道 轻量级锁的核心就是CAS机制(Compare and swap), * 这里在概念上有些类似, 也可以类似于 SQL中 select 出来然后 insert or update的 操作 Hbase这里可以保证他们在一个原子操作 * 这个在高并发 场景下 更新值 是个好的选择 * table.checkAndPut(row, family, qualifier, value, put) * table.checkAndDelete(row, family, qualifier, value, delete) * @throws IOException */ @Test public void atomicOP() throws IOException{ byte[] row = Bytes.toBytes("row-12"); byte[] family = Bytes.toBytes("data"); HTable table = (HTable)pool.getTable("user_test_xuyang"); //操作成功会返回 true,否则false; 如果是个不存在的qualifier, 把value置为null check是会成功的 Put put = new Put(row); put.add(family, Bytes.toBytes("namex"), Bytes.toBytes("value12")); //check 和put是同一个row boolean result1 = table.checkAndPut(row, family, Bytes.toBytes("namex"), null, put); //true boolean result2 = table.checkAndPut(row, family, Bytes.toBytes("namex"), null, put); //false Put put2 = new Put(row); put2.add(family, Bytes.toBytes("namex"), Bytes.toBytes("value12")); boolean result3 = table.checkAndPut(row, family, Bytes.toBytes("namex"), Bytes.toBytes("value12"), put2); //true Put put3 = new Put(Bytes.toBytes("row-13")); put3.add(family, Bytes.toBytes("namex"), Bytes.toBytes("value13")); boolean result4 = table.checkAndPut(row, family, Bytes.toBytes("namex2"), Bytes.toBytes("value12"), put3); //org.apache.hadoop.hbase.DoNotRetryIOException //注意:check 和put的一定要是同一行 否则会报错 // table.checkAndDelete类似 } /** * 上面的一些操作有些方法可能涉及到Row Locks 但并没有说明 这里详细介绍下 * * 一些会使数据发生变化的操作 比如like put(), delete(), checkAndPut()等等 , 操作都是以一个row为单位的, * 使用row lock 可以保证 一次性只能有一个客户端修改一个row * 虽然 实践中 客户端应用程序 并没有明确的使用lock, 但服务端会在适当的时机保护每一个独立的操作 * * 如果可能应当尽量避免使用lock, 就像RSBMS一样会有死锁问题 * @throws IOException */ @Test public void rowLocksTest() throws IOException{ HTable table = (HTable)pool.getTable("user_test_xuyang"); byte[] row = Bytes.toBytes("row-8"); RowLock lock = table.lockRow(row); //.....相关操作 table.unlockRow(lock); //锁有效时间 默认时间是1分钟 } @SuppressWarnings("deprecation") @Test public void getTest(){ HTable table = (HTable)pool.getTable("user_test_xuyang"); Get get = new Get(Bytes.toBytes("row-10")); //默认 get 只会取得最新的记录, 使用下面的方法可以获取其他的版本 //有两个方法 一个带参数的可以指定版本数量, 可能会抛出异常;另外一个没有 // 参数, 默认Integer.MAX_VALUE, 不会抛出异常 get.setMaxVersions(); // get.setFilter(filter); get 一般数据比较少比较少使用filter, 在Scan的时候会详细介绍Filter //通过get.addColumn提供了各种重载方法, 可以过滤只获取哪些ColumnFamily // 和Column,get实现这种过滤只能使用这种方法, 接下来的Scan还可以使用Filter来实现 get.addColumn(Bytes.toBytes("data"),Bytes.toBytes("email")); try { Result result = table.get(get); //这是一个简单的 获取返回结果的方法, 还有其他的通过遍历Map的方式 List<KeyValue> values = result.list(); //由于KeyValue靠近底层, 对于一些一些Offset,Length结尾的方法 可以忽略, // 比较感兴趣的可以关注下Hbase的底层存储 for (KeyValue keyValue : values) { StringBuilder sb = new StringBuilder(Bytes.toString(keyValue.getFamily())); sb.append(":").append(Bytes.toString(keyValue.getQualifier())).append("--:"); sb.append(Bytes.toString(keyValue.getValue())).append(" ").append( new Date(keyValue.getTimestamp()).toLocaleString()); System.out.println(sb.toString()); } //这是另外一种获取返回结果的方式, 这种在Scan的返回多个Result的时候 // 相对实用, 一个rowkey的都在一起, 一个ColumnFamily的也聚合在一起 NavigableMap<byte[], NavigableMap<byte[], NavigableMap<Long, byte[]>>> nMap = result.getMap(); for (Map.Entry<byte[], NavigableMap<byte[], NavigableMap<Long, byte[]>>> entry:nMap.entrySet() ) { //entry.getKey()为family key String family = Bytes.toString(entry.getKey()); System.out.print(family+":"); for (Map.Entry<byte[], NavigableMap<Long, byte[]>> entry2 : entry.getValue().entrySet() ) { // entry2.getKey()为qualifier 当然qualifier有可能为空 这个不是问题 但为null的只能有一个 String qualifier = Bytes.toString(entry2.getKey()); System.out.print(qualifier+"--:"); for (Map.Entry<Long, byte[]> entry3:entry2.getValue().entrySet() ) { //entry3.getKey()为 timestamp entry3.getValue()为 value System.out.print(Bytes.toString(entry3.getValue())+" " +new Date(entry3.getKey()).toLocaleString()); } } } System.out.println("------------------"); //Get的批处理类似于 SQL中的in操作,但操作起来也相当的简单, 和上面 // 的Put Delete非常类似,也可以混合使用 List<Row> rows = new ArrayList<Row>(); rows.add(new Get(Bytes.toBytes("row-10"))); rows.add(new Get(Bytes.toBytes("row-11"))); rows.add(new Put(Bytes.toBytes("row-1222221"))); try { Object[] objs = table.batch(rows); for (Object obj : objs) { printKeyValue((Result)obj); } } catch (InterruptedException e) { e.printStackTrace(); } } catch (IOException e) { e.printStackTrace(); } /** * Get获取单个 或随机的几个row 使用起来非常方便, 对于访问多个连续的row * 使用下面将要介绍的Scan操作,通常情况下, 完成一个业务 需要多个操作, 而 * ORM无法将一个业务所有的操作SQL封装在一起, 除非直接使用JDBC * Hbase的这种 Put Get Delete 是不是很棒 , 对了没有Update, update的就 * 是新增一条, 由于有版本, 旧的不会被立即淘汰掉 */ } public void printKeyValue(Result result){ List<KeyValue> values = result.list(); //由于KeyValue靠近底层, 对于一些一些Offset,Length结尾的方法 可以忽略, // 比较感兴趣的可以关注下Hbase的底层存储 for (KeyValue keyValue : values) { StringBuilder sb = new StringBuilder(Bytes.toString(keyValue.getFamily())); sb.append(":").append(Bytes.toString(keyValue.getQualifier())).append("--:"); sb.append(Bytes.toString(keyValue.getValue())).append(" ").append( new Date(keyValue.getTimestamp()).toLocaleString()); System.out.println(sb.toString()); } } /** * 对于连续记录的顺序访问 就是类似于 最常见的Select操作 * 实际上Scan 非常类似于Hibernate 的DetachedCriteria, 而scan 使用的Filter就相当于Criteria的Expression或Restrictions * 可以实现离线封装查询条件 这个是相当的给力啊 */ @Test public void ScanTest(){ ResultScanner resultScanner = null; try { /** * 如Scan的名字, Scan是在一定的范围内startkey(StartRow)和endkey(StopRow) * 之间 顺序的扫描, 配合Filter 可以跳过不满足条件的记录 返回需要的结果 * 当然startkey和endkey只是标识一个范围, 它们对应的rowkey可能并不存在, * 但如果存在(startkey) 扫描的范围是[startkey,endkey),否则就是(startkey,endkey) * 可以看到 Scan 有一个包裹Get的构造, 可以利用该get的rowkey作为startkey */ Scan scan = new Scan(); /** * ResultScanner 就是table scanner返回的结果集, 类似于游标 可以迭代获取结果, * batch 就是每次迭代从服务器获取的记录数, 设置太小 会频繁到服务器取数据, * 太大 会对客户端造成比较大的压力, 具体根据需要使用 , 正常使用可以不必管 * 它, 大批量读取可以考虑用它改善性能 * 这里要注意了: 这个记录数是qualifier不是row, 如果一个row有17个qualifier, * setBatch(5),一个row就会分散到4个Result中, 分别持有5,5,5,2个qualifier * (默认一个row的所有qualifier会在一个Result中) * * ColumnPaginationFilter 对于一个Row会在一个Result 但是只返回前面一部分 * * 如果使用FirstKeyOnlyFilter等 不是扫描Row全部的Filter 会有冲突 会有异常抛出 */ scan.setBatch(10); /**发给scanners的缓存的Row的数量, 如果没有设置会使用 HTable#getScannerCaching()的值 * 一般 越大 Scan速度越快, 但消耗的内存也越大*/ scan.setCaching(10); //简而言之就是 batch 是qualifier column级别的 caching是row级别的 //RegionServer是否应当缓存 当前客户端访问过的数据块 如果是随机的get 这个最好为false scan.setCacheBlocks(true); /** Scan 最复杂, 也最有用的就是Filter, 特别是FilterList对Filter进行的组合 * 这里只先介绍Scan的其他参数 ;对于Filter,后面会单独介绍*/ //startrow和stoprow 可以改变 scan.setStartRow(Bytes.toBytes("row-12")); scan.setStopRow(Bytes.toBytes("row-1110")); scan.setMaxVersions(3);//同Get /** 可以指定一个时间范围, 扫描指定时间或时间范围的的记录, */ scan.setTimeRange(System.currentTimeMillis()-1000000, System.currentTimeMillis()); /** * 也可以指定timestamp 查询 */ scan.setTimeStamp(System.currentTimeMillis()); /**可以使用Get中类似的方法 来限制获取的ColumnFamily Column*/ scan.addColumn(Bytes.toBytes(""),Bytes.toBytes("")); //Scan中使用最多的还是Filter HTable table = (HTable)pool.getTable("user_test_xuyang"); //看下面 table.setScannerCaching(1000); resultScanner = table.getScanner(scan); //这是foreach格式 是调用resultScanner.next()的 //默认情况下 每次调用next() 都要RPC一下服务器 每个row一次, 即时resultScanner(int nbRows) //table.setScannerCaching() 默认是1 可以手工设置 设置后 该table实例的所有scan都有效 //也可以每个scan单设置定就是上面有说过的scan.setCaching(1024*10); 这个会覆盖table设置的值 for (Result result : resultScanner) { //这里就不多说了 和Get中一样的解析 } } catch (IOException e) { e.printStackTrace(); }finally{ //这样一定要记住 用完close if(resultScanner!=null)resultScanner.close(); } } /** * 高级的Scan,就是Filter中的FilterList 可以组合各个Filter * select cf1.column1,cf2.column2* from table_name where rowkey>10 or value like 'xxx%' limit 10 * 如果上面的SQL解析出来 and 表示MUST_PASS_ALL, or 表示MUST_PASS_ONE * 就是下面这个样(虽然理解可能不同,但下图的代码如下:) * ( (cf1 and column1) or (cf2 and column2*) ) and (rowkey>10 or value like 'xxx%') * setFilter( * -ColumnFamilyFilter cf1 * -filterList(ALL)--| * | -ColumnFilter column1 * -filterList(ONE)->| * | | -ColumnFamilyFilter cf2 * | -filterList(ALL)--| * | -ColumnPrefixFilter column2 *filterList(ALL)->| -RowFilter 10 * |-filterList(ONE)->| * | -ValueFilter xx * -PageFilter 10 * @author Administrator * */ @Test public void scanAdvance(){ Scan scan = new Scan(); List<Filter> rootList = new ArrayList<Filter>(); List<Filter> selectList = new ArrayList<Filter>(); List<Filter> select_1 = new ArrayList<Filter>(); select_1.add(new FamilyFilter(CompareFilter.CompareOp.EQUAL, new BinaryComparator(Bytes.toBytes("cf1")))); select_1.add(new QualifierFilter(CompareFilter.CompareOp.EQUAL, new BinaryComparator(Bytes.toBytes("column1")))); List<Filter> select_2 = new ArrayList<Filter>(); select_2.add(new FamilyFilter(CompareFilter.CompareOp.EQUAL, new BinaryComparator(Bytes.toBytes("cf2")))); select_2.add(new QualifierFilter(CompareFilter.CompareOp.EQUAL, new BinaryPrefixComparator(Bytes.toBytes("column")))); selectList.add(new FilterList(Operator.MUST_PASS_ALL, select_1)); selectList.add(new FilterList(Operator.MUST_PASS_ALL, select_2)); rootList.add(new FilterList(Operator.MUST_PASS_ONE,selectList)); List<Filter> whereList = new ArrayList<Filter>(); whereList.add(new RowFilter(CompareFilter.CompareOp.GREATER, new BinaryComparator(Bytes.toBytes(10)))); whereList.add(new RowFilter(CompareFilter.CompareOp.EQUAL, new BinaryPrefixComparator(Bytes.toBytes("xxx")))); rootList.add(new FilterList(Operator.MUST_PASS_ONE,whereList)); scan.setFilter(new FilterList(Operator.MUST_PASS_ALL, rootList)); //这样的嵌套 写起来着实很烦, 可以自己封装成程序 } /** * 一个不得不说的操作 分页操作, RDBMS 比如mysql :select * from table_name where sss=sss limit 1 10;oracle 利用rownum也可以迂回实现, * Hbase这方面支持的不是太好, 也可以支持翻页 */ @Test public void pageTest(){ //与传统的分页的不同 start 是个起始的row 而不是一个数字 , 下一页 的时候 // 需要将上一页的最后一条记录作为分页条件传回来 //这个start要是byte[],页面上只能暂时保存字符串 怎么办呢?? //Bytes.toStringBinary(byte[])与Bytes.toBytesBinary(String) 可以完美的实现字符串和byte[]的相互转换 // Bytes.toStringBinary(Bytes.toBytesBinary("abc")) equals "abc" 是true byte[] start = Bytes.toBytes("row-13"); int limit = 10; Scan scan = new Scan(); scan.setStartRow(start); List<Filter> rootList = new ArrayList<Filter>(); rootList.add(new PageFilter(limit)); ////root.add(new Filter()) 添加其他的过滤条件 scan.setFilter(new FilterList(Operator.MUST_PASS_ALL, rootList)); } /**除了上面用到的 * Htable 还有一些其他的有用方法 * @throws IOException */ @SuppressWarnings("unused") @Test public void htableOthers() throws IOException{ HTable table = (HTable)pool.getTable("user_test_xuyang"); byte [] row = Bytes.toBytes("row-13"); //获取指定row的 数据所在的Region的信息 :名字, 编码后名字(Hadoop 中的 // 路径名), startKey endkey等--->hri ;还有该Region所在的主机的地址信息--->addr HRegionLocation hrl = table.getRegionLocation(row); HRegionInfo hri= hrl.getRegionInfo(); HServerAddress addr = hrl.getServerAddress(); //获取所有Region的信息 Map<HRegionInfo,HServerAddress> regions = table.getRegionsInfo(); //获取该表所在的所有Region的 startKey 和 endKey Pair<byte[][], byte[][]> startendKeys = table.getStartEndKeys(); //下面的是通过上面的实现的 table.getStartKeys(); table.getEndKeys(); //table.getRowOrBefore(row, family) 这个一般用不到 0.92时候 就要被废弃了 } /** * 操作完成后, 清理下资源还是很有必要的, * 在系统的ServletContextListener */ @AfterClass public static void after(){ try { if(conf!=null) HConnectionManager.deleteConnection(conf, false); if(pool!=null)pool.close(); } catch (IOException e) { e.printStackTrace(); } } } // 路径名), startKey endkey等--->hri ;还有该Region所在的主机的地址信息--->addr HRegionLocation hrl = table.getRegionLocation(row); HRegionInfo hri= hrl.getRegionInfo(); HServerAddress addr = hrl.getServerAddress(); //获取所有Region的信息 Map<HRegionInfo,HServerAddress> regions = table.getRegionsInfo(); //获取该表所在的所有Region的 startKey 和 endKey Pair<byte[][], byte[][]> starten
相关文章推荐
- HBase主要API总结及代码示例
- 使用事务管理抽象API进行事务界定的代码示例
- 删除,复制,移动文件的API代码示例
- HBase总结(十一)hbase Java API 介绍及使用示例
- 火车车次查询api代码文档及返回示例分享
- phoenix+hbase 执行sql语句代码示例
- HBase JavaAPI操作示例
- [原]java中的post请求之raw请求--微信api调用java代码示例
- iOS开发--大众点评API请求签名生成代码示例
- Java调用C/C++ API 讲解及代码示例
- 创建,打开,写入文件API代码示例
- 在Eclipse中运行JAVA代码远程操作HBase的示例
- 屏幕截图个人封装API简单代码示例
- 尾号限行api,单双号限行查询数据库接口调用代码示例
- 基于JDBC API 的事务管理代码示例
- base64编码解码封装API简单代码示例
- 【甘道夫】Eclipse+Maven搭建HBase开发环境及HBaseDAO代码示例
- 航班动态查询api调用代码示例
- 周边wifi查询api调用代码示例
- 飞信API(附带调用示例代码C#)