✨大数据开发笔记推荐：
大数据开发面试知识点总结_GoAI的博客-CSDN博客_大数据开发面试
本文详细介绍大数据hadoop生态圈各部分知识，包括不限于hdfs、yarn、mapreduce、hive、sqoop、kafka、flume、spark、flink等技术，总结内容适合大数据开发者学习，希望能够和大家多多交流。
https://blog.csdn.net/qq_36816848/article/details/113767367
💯本系列目录：
HBSAE实践：
(要求先配置好hadoop环境，版本hadoop2皆可，先启动zookeeper)
文件下载链接：https://pan.baidu.com/s/1W-WMer8WDyOqt-N_RU7bXg 提取码：1234
1、安装（hbase-0.98.6-hadoop2）
（1）安装zookeeper（zookeeper-3.4.5）
首先，将zoo_sample.cfg改名为zoo.cfg（要求所有机器保持一致）
server.0=master:8880:7770
server.1=slave1:8881:7771
server.2=slave2:8882:7772
然后，zookeeper根目录创建myid（每个机器独立分配，不能重复）
启动，]# ./bin/zkServer.sh start
检查：]# ./bin/zkServer.sh status
（2）安装hbase
首先：hbase-env.sh设置环境变量
export JAVA_HOME=/usr/local/src/jdk1.8.0_172
export HBASE_MANAGES_ZK=false #用第三方
修改hbase-site.xml
<property>
<name>hbase.rootdir</name>
<value>hdfs://master:9000/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>master,slave1,slave2</value>
</property>
<property>
<name>hbase.master.maxclockskew</name>
<value>150000</value>
</property>
接下来，创建regionservers文件，里面存储regionserver的master地址
1 slave1
2 slave2
将这些配置分发拷贝到其他节点（scp）
启动 ./bin/start-hbase.sh
(1)在主节点看到HMaster进程，在从节点看到HRegionServer进程
(2)]# hbase shell，进入终端执行status，查看状态
(3)web UI:192.168.179.10:60010
2、hbase shell的基础操作
list查看有哪些表格
删除表格：
> disable “m_table”
> drop “m_table”
创建表格：
> create ‘m_table’, ‘meta_data’, ‘action’
查看数据（全表扫描）——不建议直接用
> scan “m_table”
增加cf：
> alter “m_table”, {NAME=>’cf_new’}
删除cf：
> alter “m_table”, {NAME=>’cf_new’, METHOD=>’delete’}
查看表格有多少条记录：
> count “m_table”
删掉一条记录
delete “m_table”, “user|4001”, “meta_data:name”
写数据：
put “m_table”, ‘1002’, ‘meta_data:name’, ‘li4’
put “m_table”, ‘1001’, ‘meta_data:age’, ’18’
put “m_table”, ‘1002’, ‘meta_data:gender’, ‘man’
查看数据
逐条读：get “m_table”, ‘1002’
get “m_table”, ‘1002’， ‘meta_data:name’
批量读：scan “m_table”
过滤
（1）找zhang3，值
–通过明确的value，反查记录
scan “m_table”, FILTER=>”ValueFilter(=, ‘binary:zhang3’)”
scan “m_table”, FILTER=>”ValueFilter(=, ‘binary:wang5’)”
（2）找包含‘a’的value
–通过value漫匹配，反查记录
scan “m_table”, FILTER=>”ValueFilter(=, ‘substring:a’)”
（3）列名匹配
两个条件同时限制，对列明的前缀做校验
scan “m_table”, FILTER=>”ColumnPrefixFilter(‘na’) AND ValueFilter(=, ‘substring:zhang3’)”
scan “m_table”, FILTER=>”ColumnPrefixFilter(‘na’)
put “m_table”, ‘3001’, ‘meta_data:name’, ‘777’
（4）rowkey匹配—查询rowkey prefix的方式：
以10开头：
> scan “m_table”, FILTER=>”PrefixFilter(’10’)”
指定rowkey的范围,rowkey之后的数据
> scan “m_table”, {STARTROW=>’1002′}
> scan “m_table”, {STARTROW=>’1002′, FILTER=>”PrefixFilter(’10’)”}
修改版本号：
> alter “m_table”, {NAME=>’meta_data’, VERSIONS => 3}
put “m_table”, ‘1001’, ‘meta_data:name’, ‘wang5’
put “m_table”, ‘1001’, ‘meta_data:name’, ‘zhao6’
put “m_table”, ‘1001’, ‘meta_data:name’, ‘heng7’
get “m_table”, ‘1001’
指定版本号读取：
get “m_table”, ‘1001’, {COLUMN=>”meta_data:name”, VERSIONS => 1}
get “m_table”, ‘1001’, {COLUMN=>”meta_data:name”, VERSIONS => 2}
> get “m_table”, ‘1001’, {COLUMN=>”meta_data:name”, VERSIONS => 3}
get “m_table”, ‘1001’, {COLUMN=>”meta_data:name”, TIMESTAMP=>1573349851782}
get “m_table”, ‘1001’, {COLUMN=>”meta_data:name”, TIMESTAMP=>1573349547463}
正则过滤
1.行正则
import org.apache.hadoop.hbase.filter.RegexStringComparator
import org.apache.hadoop.hbase.filter.CompareFilter
import org.apache.hadoop.hbase.filter.SubstringComparator
import org.apache.hadoop.hbase.filter.RowFilter
scan ‘m_table’, {FILTER => RowFilter.new(CompareFilter::CompareOp.valueOf(‘EQUAL’),RegexStringComparator.new(‘^10’))}
2.值正则：
import org.apache.hadoop.hbase.filter.CompareFilter
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter
import org.apache.hadoop.hbase.filter.SubstringComparator
scan “m_table”, {FILTER=>RowFilter.new(CompareFilter::CompareOp.valueOf(‘EQUAL’), RegexStringComparator.new(‘^user\|\d+$’))}
值正则：
scan ‘m_table’, {COLUMNS => ‘meta_data:name’, FILTER => SingleColumnValueFilter.new(Bytes.toBytes(‘meta_data’),Bytes.toBytes(‘name’),CompareFilter::CompareOp.valueOf(‘EQUAL’),Bytes.toBytes(‘zhang3’))}
清空词表
> truncate “m_table”
查看行数
> count ‘m_table’