HBase学习笔记（四）———《客户端API》

HBase的主要客户端接口是由org.apache.hadoop.hbase.client包中的HTable类提供的，通过这个类，用户可以完成HBase存储和检索数据，以及删除无效数据之类的操作。所有修改数据的操作都保证了行级别的原子性，这会影响到这一行数据所有的并发读写操作。用户应当尽量使用批量处理（batch）更新来减少单独操作同一行数据的次数。创建HTable示例是有代价的。每个实例都需要扫描.META.表，以检查该表是否存在、是否可用，此外还要执行一些其他操作，这些检查和操作导致实例调用非常耗时。因此，推荐用户只创建一次HTable实例，而且是每个线程创建一个，然后在客户端应用的生存期内复用这个对象。如果用户需要使用多个HTable实例，应考虑使用HTablePool类。

数据库的初始基本操作通常被称为CRUD(Create, Read, Update, Delete)，具体指增、查、改、删。HBase中有与之对应的一组操作，这些方法都由HTable类提供。

1、put 方法—增加数据

import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.hbase.HBaseConfiguration;import org.apache.hadoop.hbase.client.HTable;import org.apache.hadoop.hbase.client.Put;import org.apache.hadoop.hbase.util.Bytes;import java.io.IOException;/** * Created by MJ on 15/9/14. */public class PutExample {    public static void main(String[] args) throws IOException {        // 创建所需的配置        Configuration conf = HBaseConfiguration.create();        // 实例化一个新的客户端        HTable hTable = new HTable(conf, "test_table");        // 指定一行来创建一个Put        Put put = new Put(Bytes.toBytes("row1"));        // 向Put中添加一个名为“column_family1:column1”，值为“value1”        put.add(Bytes.toBytes("column_family1"), Bytes.toBytes("column1"), Bytes.toBytes("value1"));        // 向Put中添加一个名为“column_family1:column2”，值为“value2”        put.add(Bytes.toBytes("column_family1"), Bytes.toBytes("column2"), Bytes.toBytes("value2"));                // 将这一行存储到HBase的“test_table”表中        hTable.put(put);    }}

1.1 单行put 

put方法：

void put (Put put) throws IOException

Put的几个构造函数如下：

Put(byte[] row)

Put(byte[] row, RowLock rowLock)

Put(byte[] row, long ts)

Put(byte[] row, long ts, RowLock rowLock)

创建Put实例时需要提供一个行键row，在HBase中每行数据都有唯一的行键（row_key）作为标识。

创建Put实例之后，就可以向该实例添加数据，添加数据的方法如下：

Put add(byte[] family, byte[] qualifier, byte[] value)

Put add(byte[] family, byte[] qualifier, long ts, byte[] value)

Put add(Cell kv) throws IOException

每一次add()都可以特定地添加一列数据，如果再加一个时间戳选项，就能形成一个数据单元格。注意：当不指定时间戳调用add()方法时，Put实例会使用来自构造函数的可选时间戳参数（也称作ts），如果用户在构造Put实例时也没有指定时间戳，则时间戳将会由region服务器设定。

获取Put实例内部添加的KeyValue实例需要调用与add()相反的方法get():

List<Cell> get(byte[] family, byte[] qualifier)

用户可以采用以下这些方法检查是否存在特定的单元格，而不需要遍历整个集合：

boolean has(byte[] family, byte[] qualifier)
boolean has(byte[] family, byte[] qualifier, long ts)
boolean has(byte[] family, byte[] qualifier, byte[] value)
boolean has(byte[] family, byte[] qualifier, long ts, byte[] value)

每一个put操作实际上都是一个RPC操作，它将客户端数据传送到服务器然后返回。

HBase的API配备了一个客户端的写缓冲区（write buffer），缓冲区负责收集put操作，然后调用RPC操作一次性将put送往服务器。全局交换机控制着该缓存区是否在使用，以下是其方法：

void setAutoFlush(boolean autoFlush)

boolean isAutoFlush( )

默认情况下，客户端缓冲区是禁用的。可以通过将自动刷写（autoflush）设置为false来激活缓冲区，调用如下：

hTable.setAutoFlush(false)

启用客户端缓冲机制后，用户可以通过 isAutoFlush( )方法检查标识的状态。当用户初始化创建一个HTable实例时，这个方法将返回true，如果有用户修改过缓冲机制，它将返回用户当前所设定的状态。激活客户端缓冲区之后，用户可以将数据存储到HBase中。此时的操作不会产生RPC调用，因为存储的Put实例保存在客户端进程的内存中。当需要强制把数据写到服务端时，可以调用另外一个API函数：

void flushCommits () throws IOException

flushCommits()方法将所有的修改传送到远程服务器。被缓冲的Put实例可以跨多行。客户端能够批量处理这些更新，并把它们传送到对于的region服务器。用户可以强制刷写缓冲区，不过这通常不是必要的，一旦数据超出缓冲指定的大小限制，客户端就会隐式地调用刷写命令。隐式刷写会在用户调用put()或者setWriteBufferSize()方法时触发。此外，调用HTable类的close()方法时也会无条件地隐式触发刷写。

客户端API可以插入单个Put实例，同时也有批量处理操作，其调用形式如下：

void put(List<Put> puts) throws IOException