Python操作HBase

安装HBase

HBase是一个构建在HDFS上的分布式列存储系统，主要用于海量结构化数据存储。这里，我们的目标只是为Python访问HBase提供一个基本的环境，故直接下载二进制包，采用单机安装。下载后解压，修改配置文件，然后可以直接启动HBase了。所用系统版本为ubuntu14.04。

下载

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hbase/1.2.4/hbase-1.2.4-bin.tar.gz tar zxvf hbase-1.2.4-bin.tar.gz

配置

修改hbase-env.sh，设置JAVA_HOME。

export JAVA_HOME=/usr/lib/jvm/java-8-oracle

修改hbase-site.xml，设置存储数据的根目录。

<configuration>    <property>        <name>hbase.rootdir</name>        <value>file:///home/mi/work/hbase/data</value>    </property></configuration>

启动

bin/start-hbase.sh  # 启动bin/hbase shell  # 进入hbase交互shell

安装Thrift

安装好HBase之后，还需安装Thrift，因为其他语言调用HBase时，需要通过Thrift进行连接。

安装Thrift依赖

sudo apt-get install automake bison flex g++ git libboost1.55 libevent-dev libssl-dev libtool make pkg-config

PS: libboost1.55-all-dev，在我的ubuntu14.04上安装有点问题，所以装的是libboost1.55。

编译安装

下载源码，解压后进行编译安装。Thrift下载地址

tar zxf thrift-0.10.0.tar.gzcd thrift-0.10.0/./configure --with-cpp --with-boost --with-python --without-csharp --with-java --without-erlang --without-perl --with-php --without-php_extension --without-ruby --without-haskell  --without-gomake  # 编译耗时较长sudo make install

参考文档：
https://thrift.apache.org/docs/install/debian, https://thrift.apache.org/docs/BuildingFromSource

启动HBase的Thrift服务

bin/hbase-daemon.sh start thrift

检查系统进程

~/work/hbase/hbase-1.2.4/conf$ jps3009 ThriftServer4184 HMaster5932 Jps733 Main

可以看到ThriftServer已成功启动，然后我们就可以使用多种语言，通过Thrift来访问HBase了。

Python操作HBase

下面以Python为例来演示如何访问HBase。

安装依赖包

sudo pip install thriftsudo pip install hbase-thrift

Demo程序

from thrift import Thriftfrom thrift.transport import TSocketfrom thrift.transport import TTransportfrom thrift.protocol import TBinaryProtocolfrom hbase import Hbasefrom hbase.ttypes import *transport = TSocket.TSocket('localhost', 9090)transport = TTransport.TBufferedTransport(transport)protocol = TBinaryProtocol.TBinaryProtocol(transport)client = Hbase.Client(protocol)transport.open()contents = ColumnDescriptor(name='cf:', maxVersions=1)# client.deleteTable('test')client.createTable('test', [contents])print client.getTableNames()# insert datatransport.open()row = 'row-key1'mutations = [Mutation(column="cf:a", value="1")]client.mutateRow('test', row, mutations)# get one rowtableName = 'test'rowKey = 'row-key1'result = client.getRow(tableName, rowKey)print resultfor r in result:    print 'the row is ', r.row    print 'the values is ', r.columns.get('cf:a').value

执行结果：

['test'][TRowResult(columns={'cf:a': TCell(timestamp=1488617173254, value='1')}, row='row-key1')]the row is  row-key1the values is  1