python搞搞大数据之hbase——初探

使用python链接mysql读入一个表并把它再写到hbase 里去（九头蛇万岁）

先声明一下需要用的库：

俩！！：

happybase    （写这个的老哥真的happy）

pymysql

建议使用anaconda进行相应版本匹配安装，在装happybase的时候，conda默认的channel是找不到这个库的你需要使用 conda-forge 镜像参考如下网站：

pymysql就不用说了，毕竟mysql业界广泛使用，这个平台都好找

安装好了之后打开你的pycharm把基本purepython项目创建好，解释器指定到anaconda3下面的python.exe上面

然后开始玩耍：

step1:

         请打算开你的大数据环境启动hadoop、zookeeper、hbase（简直后台内存爆掉）

step2:

         开始编写自己的脚本，建议表级别操作和数据级别操作分别写脚本，这样会好控制一些。

这里我简单写了四个脚本

test.py,mysql.py,delete.py,scan.py

(test开始没规划，实际就是创表脚本)

test.py

 1 #!/usr/bin/python
 2 # coding:utf-8
 3 import happybase
 4 
 5 connection = happybase.connection('localhost', 9090)
 6 
 7 connection.create_table(
 8     'short',
 9     {
10         'base':dict(),
11         'region':dict(),
12         'infos':dict()
13     }
14 )

这里面很简单的操作，你要用hbase，你就要链接它，happybase.connection(主机名, 端口号)参数就这么简单，对应好就ok

这里创建表的方法写法和hbase的操作感觉相当的像，hbase的table用起来确实就像是字典嵌套字典，太过于真实

这里我的表名为short，表有三个列族base、region、infos，这个是根据数据自己设计出来的。数据是个csv：如下，请先存为csv文件，导入你的mysql做准备（如果你要实验这个例子）

customer_id,first_name,last_name,email,gender,address,country,language,job,credit_type,credit_no
1,spencer,raffeorty,[e-mail],male,9274 lyons court,china,khmer,safety technician iii,jcb,3589373385487669
2,cherye,poynor,[e-mail],female,1377 anzinger avenue,china,czech,research nurse,instapayment,6376594861844533
3,natasha,abendroth,[e-mail],female,2913 evergreen lane,china,yiddish,budget/accounting analyst iv,visa,4041591905616356
4,huntley,seally,[e-mail],male,694 del sol lane,china,albanian,environmental specialist,laser,677118310740263477
5,druci,coad,[e-mail],female,16 debs way,china,hebrew,teacher,jcb,3537287259845047
6,sayer,brizell,[e-mail],male,71 banding terrace,china,maltese,accountant iv,americanexpress,379709885387687
7,becca,brawley,[e-mail],female,7 doe crossing junction,china,czech,payment adjustment coordinator,jcb,3545377719922245
8,michele,bastable,[e-mail],female,98 clyde gallagher pass,china,malayalam,tax accountant,jcb,3588131787131504
9,marla,brotherhood,[e-mail],female,4538 fair oaks trail,china,dari,design engineer,china-unionpay,5602233845197745479
10,lionello,gogarty,[e-mail],male,800 sage alley,china,danish,clinical specialist,diners-club-carte-blanche,30290846607043
11,camile,ringer,[e-mail],female,5060 fairfield alley,china,punjabi,junior executive,china-unionpay,5602213490649878
12,gillan,banbridge,[e-mail],female,91030 havey point,china,kurdish,chemical engineer,jcb,3555948058752802
13,guinna,damsell,[e-mail],female,869 ohio park,china,fijian,analyst programmer,jcb,3532009465228502
14,octavia,mcdugal,[e-mail],female,413 forster center,china,english,desktop support technician,maestro,502017593120304035
15,anjanette,penk,[e-mail],female,8154 schiller road,china,swedish,vp sales,jcb,3548039055836788
16,maura,teesdale,[e-mail],female,9568 quincy alley,china,dutch,dental hygienist,jcb,3582894252458217

导入mysql之后：

 

 我是将它导在了数据库demo下面。

接下来，你就可以去玩蛇了

是不是感觉顺序混乱？？？混乱就对了

现在要干的事情是链接数据库读取数据，再将其插入到hbase中,mysql查表select，hbase插入put，知识点咚咚咚

mysql.py

 1 #!/usr/bin/python
 2 # coding:utf-8
 3 import pymysql
 4 import happybase
 5 
 6 
 7 class testc:
 8     def __init__(self, customer_id, first_name, last_name, email, gender, address, country, language, job, credit_type,
 9                  credit_no):
10         self._key = customer_id
11         self._first_name = first_name
12         self._last_name = last_name
13         self._email = email
14         self._gender = gender
15         self._address = address
16         self._country = country
17         self._language = language
18         self._job = job
19         self._credit_type = credit_type
20         self._credit_no = credit_no
21 
22     def get(self):
23         return list((self._key, self._first_name, self._last_name,
24                      self._email, self._gender, self._address,
25                      self._country, self._language, self._job,
26                      self._credit_type, self._credit_no)
27                     )
28 
29     def __str__(self):
30         return '%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s' % (self._key,
31                                                      self._first_name,
32                                                      self._last_name,
33                                                      self._email,
34                                                      self._gender,
35                                                      self._address,
36                                                      self._country,
37                                                      self._language,
38                                                      self._job,
39                                                      self._credit_type,
40                                                      self._credit_no
41                                                      )
42 
43 
44 connection = happybase.connection('localhost', 9090)
45 
46 db = pymysql.connect(host='127.0.0.1', port=3307, user='root', password='hadoop', database='demo')
47 cursor = db.cursor()
48 
49 sql = 'select * from testc'
50 cursor.execute(sql)
51 data = cursor.fetchall()
52 data = list(data)
53 datalist = []
54 for i in range(0, len(data)):
55     datalist.append(testc(data[i][0], data[i][1], data[i][2],
56                           data[i][3], data[i][4], data[i][5],
57                           data[i][6], data[i][7], data[i][8],
58                           data[i][9], data[i][10]
59                           ))
60     print(datalist[i])
61 # 到这里mysql中的表数据已经被读取并存储与datalist中，接下来将它转存在hbase中去
62 table = connection.table('short')
63 for data_ in datalist:
64     row = data_.get()
65     table.put(
66         bytes('{}'.format(row[0]),encoding='ascii'),
67         {
68             b'base:first_name': bytes('{}'.format(row[1]), encoding='ascii'),
69             b'base:last_name': bytes('{}'.format(row[2]), encoding='ascii'),
70             b'base:email': bytes('{}'.format(row[3]), encoding='ascii'),
71             b'base:gender': bytes('{}'.format(row[4]), encoding='ascii'),
72             b'region:address': bytes('{}'.format(row[5]), encoding='ascii'),
73             b'region:country': bytes('{}'.format(row[6]), encoding='ascii'),
74             b'infos:language': bytes('{}'.format(row[7]), encoding='ascii'),
75             b'infos:job': bytes('{}'.format(row[8]), encoding='ascii'),
76             b'infos:credit_type': bytes('{}'.format(row[9]), encoding='ascii'),
77             b'infos:credit_no': bytes('{}'.format(row[10]), encoding='ascii')
78         }
79     )
80 
81 db.close()

大概流程思路是查出来的数据用特定格式做好，然后再写入，这里我做了个类（本质上没有必要）,读者在实验的时候可以考录直接使用一个list去接收

连接mysql就需要你使用pymysql库

db = pymysql.connect(host='127.0.0.1', port=3307, user='root', password='hadoop', database='demo')

 其中的参数怕是意思很清楚了，这里不进行过多赘述。

这里有个叫做游标对象的东西  cursor = db.cursor() 可以认为他是个代理，使用它来执行sql语句并展示。

cursor有三个方法，fetchall、fetchone、fetchmany。嚼一嚼英语就知道意思是取全部、一行和多行，多行自然你要设定参数

找合适的容器接收你得到的数据，把数据按一定规格处理好之后，准备导入到hvase中。末尾的for循环就是导入代码，这里全部使用了bytes()是因为hbase只支持二进制，所以转换为了ascii码编码，否则你会在接下来的scan中看到不想要的utf-8字符。

导好了之后，我们使用scan来看一下，hbase中scan是用来看全表的，那么这里table对象就会同样有这个方法，人家老哥很厉害啊。

scan.py

 1 #!/usr/bin/python
 2 # coding:utf-8
 3 
 4 import happybase
 5 
 6 connection = happybase.connection('localhost', 9090)
 7 table = connection.table('short')
 8 
 9 for key, data in table.scan():
10     print(str(key),data)

这个篇幅很小，因为表级操作。

这里是我查到的结果

这个小小的实验基本就完成了，中间遇到坑的时候可能会重复删表和建表，这里再提供一个

delete.py

1 #!/usr/bin/python
2 # coding:utf-8
3 import happybase
4 
5 connection = happybase.connection('localhost', 9090)
6 connection.disable_table('short')
7 connection.delete_table('short')

嗯好的，我只能帮你到这了，还要去学习哦，如果大佬有更好的数据导入是字符编码的处理方式，跪求告知，知识就是力量！谢过大佬。

hail hydra