HBase shell 示例-低调大师

HBase shell 示例

2018-01-21 672

上一篇中对HBase做了简单的讲解，上篇地址：

https://yq.aliyun.com/articles/376750?spm=a2c4e.11155435.0.0.a0c0cf2TT57c8

今天使用HBase shell的方式来写个例子

1. 建表：表名blog，有两个列族：‘article’和‘author’

2. 插⼊数据到表blog中，数据如下

28b7211ca168272b2b6dde2bc5227576ea2e1a50

3. 读出rowkey为“blog2”的author的name和age

4. 读出所有article的title

5. 更新“blog1”作者的age为40

6. 读出rowkey为“blog1”中author的name和age

7. 删除rowkey为“blog3”中article的tag

8. 读出所有article的title和tag，同时读出所有author的name

代码如下：

1. 建表，包含两个列族 ‘article’和‘author’

>create 'blog','article','author'
来查看下表结构
>describe 'blog'

Table blog is ENABLED                                                                  
blog                                                                                   
COLUMN FAMILIES DESCRIPTION                                                            
{NAME => 'article', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_D
ELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION =
> 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_
SCOPE => '0'}                                                                          
{NAME => 'author', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DE
LETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION =>
 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_S
COPE => '0'}                                                                           
2 row(s) in 0.0430 seconds

2. 插入数据

插入一行
>put 'blog','blog1','article:title','mapreduce'
>put 'blog','blog1','article:content','intorduce mapreduce'
>put 'blog','blog1','article:tag','computing'

>put 'blog','blog1','author:name','David'
>put 'blog','blog1','author:gender','male'
>put 'blog','blog1','author:age','34'

第二行
>put 'blog','blog2','article:title','hadoop'
>put 'blog','blog2','article:content','hadoop in action'
>put 'blog','blog2','article:tag','system'

>put 'blog','blog2','author:name','jim'
>put 'blog','blog2','author:gender','male'
>put 'blog','blog2','author:age','35'

第三行

>put 'blog','blog3','article:title','hdfs'
>put 'blog','blog3','article:content','princilpe'
>put 'blog','blog3','article:tag','storage'

>put 'blog','blog3','author:name','jack'
>put 'blog','blog3','author:gender','male'
>put 'blog','blog3','author:age','21'

3. 读出rowkey为“blog2”的author的name和age

>get 'blog','blog2','author:name','author:age'
COLUMN                 CELL                                                            
 author:age            timestamp=1516592344548, value=35                               
 author:name           timestamp=1516592314918, value=jim                              
2 row(s) in 0.0110 seconds

4. 读出所有article的title

>scan 'blog',{COLUMNS=>'article:title'}
ROW                    COLUMN+CELL                                                     
 blog1                 column=article:title, timestamp=1516591624453, value=mapreduce  
 blog2                 column=article:title, timestamp=1516592170858, value=hadoop     
 blog3                 column=article:title, timestamp=1516592680840, value=hdfs       
3 row(s) in 0.0400 seconds

5. 更新“blog1”作者的age为40

>put 'blog','blog1','author:age','40'

6. 读出rowkey为“blog1”中author的name和age(参考3)

7. 删除rowkey为“blog3”中article的tag

>delete 'blog','blog3','article:tag'

8. 读出所有article的title和tag，同时读出所有author的name

>scan 'blog',{COLUMNS=>['article:title','article:tag','author:name']}
ROW                    COLUMN+CELL                                                     
 blog1                 column=article:tag, timestamp=1516591824979, value=computing    
 blog1                 column=article:title, timestamp=1516591624453, value=mapreduce  
 blog1                 column=author:name, timestamp=1516592031628, value=David        
 blog2                 column=article:tag, timestamp=1516592220615, value=system       
 blog2                 column=article:title, timestamp=1516592170858, value=hadoop     
 blog2                 column=author:name, timestamp=1516592314918, value=jim          
 blog3                 column=article:title, timestamp=1516592680840, value=hdfs       
 blog3                 column=author:name, timestamp=1516592703643, value=jack         
3 row(s) in 0.0230 seconds

上述所写如有不对之处，还请各位前辈指出赐教。--五维空间

微信关注我们

原文链接：https://yq.aliyun.com/articles/389756

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

Elasticsearch之索引模板

转自：https://www.cnblogs.com/zlslch/p/6478168.html

2018-01-22

612

今天使用JDBC来操作Hive时，首先启动了hive远程服务模式：hiveserver2 &(表示后台运行)，然后到eclipse中运行程序时出现错误： Permission denied: user=anonymous, access=EXECUTE, inode=”/tmp” 解决办法：报错内容提示hive没有/tmp目录的权限，赋予权限即可： hdfs dfs -chmod 777 /tmp

2018-01-22

698

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。