Happybase的基本使用

简介:

Happybase是Python通过Thrift访问HBase的库,方便快捷。

基本使用

 
  1. import happybase
  2. connection = happybase.Connection('hostname')
  3. table = connection.table('table-name')
  4. table.put('row-key', {'family:qual1': 'value1', 'family:qual2': 'value2'})
  5. row = table.row('row-key')
  6. print row['family:qual1'] # prints 'value1'
  7. for key, data in table.rows(['row-key-1', 'row-key-2']):
  8. print key, data # prints row key and data for each row
  9. for key, data in table.scan(row_prefix='row'):
  10. print key, data # prints 'value1' and 'value2'
  11. row = table.delete('row-key')

链接

 
  1. # lazy connection
  2. connection = happybase.Connection('somehost', autoconnect=False)
  3. # and before first use:
  4. connection.open()
  5. # show all tables
  6. print connection.tables()
  7. # Using table namespace
  8. connection = happybase.Connection('somehost', table_prefix='myproject')

表

 
  1. connection.create_table(
  2. 'mytable',
  3. {'cf1': dict(max_versions=10),
  4. 'cf2': dict(max_versions=1, block_cache_enabled=False),
  5. 'cf3': dict(), # use defaults
  6. }
  7. )
  8. table = connection.table('mytable')
目录
相关文章
|
SQL 数据挖掘 数据库
HiveSQL分位数函数percentile()使用详解+实例代码
HiveSQL分位数函数percentile()使用详解+实例代码
7815 0
HiveSQL分位数函数percentile()使用详解+实例代码
|
11月前
|
存储 人工智能 自然语言处理
2026年性价比高的智能客服系统推荐:中小企业降本增效首选
中小企业选型智能客服需聚焦性价比与场景适配。瓴羊Quick Service以1万元/年SaaS模式、93% AI准确率及阿里生态联动,成电商零售首选;亿捷云客服、阿里小蜜、Zoho Desk分场景满足跨境、制造与多语种需求,助力降本增效。
|
安全 搜索推荐 Android开发
Android系统SELinux安全机制详解
如此看来,SELinux对于大家来说,就像那位不眠不休,严阵以待的港口管理员,守护我们安卓系统的平安,维护这片海港的和谐生态。SELinux就这样,默默无闻,却卫士如山,给予Android系统一份厚重的安全保障。
633 18
|
安全
PCB中泪滴的作用
泪滴在PCB设计中起到加固线路、保护焊盘和优化信号传输的作用,防止外力导致接触点断裂,确保焊盘稳定,减少阻抗突变。通过工具栏的"Tool"->"Teardrops"或快捷键"T+E"添加泪滴,选择操作模式(添加或移除)、对象(全部或选中)及配置选项,如泪滴形状、强制执行和大小调整。在添加过程中,可选曲线或直线样式,并能自动调节尺寸以适应空间限制。
893 4
|
JavaScript
vue路由从入门到进阶 --- 路由重定向与404等问题
vue路由从入门到进阶 --- 路由重定向与404等问题
|
监控 安全 网络协议
广域网技术
广域网技术
Hive的空值判断函数
Hive的空值判断函数
Hive的空值判断函数
|
SQL 分布式计算 大数据
大数据面试题:Hive count(distinct)有几个reduce,海量数据会有什么问题
count(distinct)只有1个reduce。 为什么只有一个reducer呢,因为使用了distinct和count(full aggreates),这两个函数产生的mr作业只会产生一个reducer,而且哪怕显式指定set mapred.reduce.tasks=100000也是没用的。 当使用count(distinct)处理海量数据(比如达到一亿以上)时,会使得运行速度变得很慢,熟悉mr原理的就明白这时sql跑的慢的原因,因为出现了很严重的数据倾斜。
1554 0