Hbase学习笔记

一、HBase 简介

HBase 是一个分布式、可扩展的列式存储数据库，基于 Google 的 Bigtable 设计构建。它是 Hadoop 生态系统的一部分，主要用于处理海量的结构化数据。与传统的关系型数据库不同，HBase 采用列存储而不是行存储，这使得它非常适合处理大量的稀疏数据，并且支持快速随机访问。

1.1 HBase 的特点：

1. 分布式架构：HBase 运行在集群模式下，数据被分布在多个节点上，实现了高可用性和容错能力。
2. 横向扩展性：可以根据需求增加节点，扩展存储和计算能力。
3. 列式存储：数据按照列而非行进行存储，这对某些特定应用（如大规模分析、实时数据访问）非常有利。
4. 高并发写入：适合高吞吐量的数据写入和实时数据处理。
5. 无模式（Schema-less）：在 HBase 中，不同的行可以有不同的列，可以灵活地存储结构化或半结构化数据。

1.2 HBase 的用途：

1. 大数据存储：当需要存储大量的数据并能够进行高效的快速查询时，HBase 是理想的选择。例如，可以用于存储日志数据、传感器数据、社交媒体数据等。
2. 实时数据分析：HBase 支持快速的随机读写，适合需要实时分析的大数据场景，比如实时舆情监控、流量分析、金融风控等。
3. 推荐系统：在需要处理大规模用户行为数据并进行实时推荐的应用中，HBase 可以用作数据存储后端。
4. 社交媒体数据存储：像微博、Facebook、Twitter 等社交平台产生的庞大数据量，HBase 可以高效地存储和管理。
5. 物联网（IoT）数据存储：随着设备数量增加，产生的数据量也是天文数字，HBase 能够有效地存储和查询这些设备数据。

1.3 HBase 原理架构

HBase 是基于分布式存储的，它的架构设计可以分为以下几个主要组件：

1.3.1 HBase 客户端

HBase 客户端用于与 HBase 系统进行交互，发起请求来读取或写入数据。客户端请求会经过以下组件进行处理。

1.3.2 Zookeeper

HBase 使用 Zookeeper 来协调集群中的各个节点，确保 HBase 的高可用性和一致性。Zookeeper 主要负责以下任务：

• 监控 HMaster：Zookeeper 监控 HBase 的主节点 HMaster 的状态，确保主节点出现故障时可以自动进行故障转移。
• 管理 RegionServer：Zookeeper 协调 RegionServer 节点之间的分布式操作，确保数据的负载均衡。
• Region 路由信息：存储每个 Region 的位置信息，客户端根据 Zookeeper 获取数据的存储位置。

1.3.3 HMaster

HMaster 是 HBase 集群中的主节点，负责管理整个集群的元数据和协调任务。HMaster 的主要职责包括：

• Region 分配：负责将 Region 分配到 RegionServer。
• Region 移动与负载均衡：根据 RegionServer 的负载情况，HMaster 会调整 Region 的分布，以确保负载均衡。
• 故障恢复：当 RegionServer 出现故障时，HMaster 会重新分配该节点上的 Region。

1.3.4 RegionServer

RegionServer 是 HBase 的工作节点，负责数据的读写操作。每个 RegionServer 负责处理一定数量的 Region。RegionServer 的主要功能包括：

• 读写请求处理：接收并处理客户端的读写请求。
• Region 存储与管理：每个 RegionServer 存储若干个 Region，每个 Region 代表 HBase 中一个数据分区。Region 会随着数据量的增加而被分割成多个子 Region。
• MemStore 与 HFile：在内存中，RegionServer 将写入的数据存储在 MemStore 中。数据经过一定时间后会被刷新到磁盘存储成 HFile 格式。

1.3.5 Region

Region 是 HBase 中数据的基本存储单元。每个 Region 存储一个数据范围，数据根据行键（Row Key）进行分区。每个 Region 内的数据按行键排序。当 Region 数据量增长到一定阈值时，Region 会进行分割，生成两个新的子 Region。

1.3.6 MemStore 和 HFile

HBase 内部将数据存储在 MemStore 和 HFile 中：

• MemStore：是内存中的数据缓存，用于临时存储客户端写入的数据。当 MemStore 达到一定大小时，会将数据写入磁盘上的 HFile。
• HFile：是存储在 HDFS 上的不可变文件，HFile 存储了持久化的 HBase 数据。HFile 是按时间顺序排序的，便于高效地进行读取和扫描。

1.3.7 HRegion

一个 HRegion 是 Region 的一个实例，它与 RegionServer 绑定。RegionServer 会存储若干个 HRegion，当 Region 达到设定的大小限制时，HBase 会对其进行分裂。

1.3.8 HBase WAL（Write-Ahead Log）

为了确保数据的可靠性，HBase 使用 WAL 日志（写前日志）。所有写入操作会首先写入 WAL 文件中，这样即使在写入数据到 MemStore 或 HFile 的过程中出现故障，也能够通过 WAL 恢复数据。

1.3.9 HBase 数据一致性

HBase 保证单行数据的一致性，这意味着对于同一行的多个版本，HBase 能够确保顺序的一致性。然而，对于跨行的事务处理，HBase 不支持多行事务的一致性。因此，HBase 更适合用于需要高吞吐量、低延迟读取的数据存储。

1.3.10 HBase 数据流程：

1. 写数据：客户端向 RegionServer 发送写请求，数据先写入 MemStore，随后记录到 WAL 日志中。当 MemStore 达到阈值时，数据会被刷新到 HFile 文件中。
2. 读数据：客户端请求数据时，RegionServer 会先检查 MemStore 中是否有该行数据，如果没有，查询 HFile。数据会被返回给客户端。

HBase 适用于需要高吞吐量、低延迟的场景，特别是对于实时写入、分析和查询海量数据的需求。

二、Zookeeper的安装

2.1 Zookeeper的下载

选择合适的Zookeeper版本下载

wget https://mirrors.tuna.tsinghua.edu.cn/apache/zookeeper/current/apache-zookeeper-3.9.3-bin.tar.gz

2.2 Zookeeper的解压与重命名

解压下载完成的压缩包

tar -zxvf apache-zookeeper-3.9.3-bin.tar.gz

然后进行重命名

mv apache-zookeeper-3.9.3-bin zookeeper-3.9.3

2.3 配置Zookeeper的环境变量

输入指令，打开文件夹

sudo vim ~/.bashrc

配置环境,输入以下变量

export ZOOKEEPER_HOME=~/software/zookeeper-3.9.3
export PATH=$PATH:$ZOOKEEPER_HOME/bin:$ZOOKEEPER_HOME/bin

刷新环境变量

source ~/.bashrc

输入指令，检查是否成功配置

echo $ZOOKEEPER_HOME

最后分发环境变量

xsync ~/.bashrc

2.4 配置Master节点

进入Zookeeper的目录

cd zookeeper-3.9.3/

创建data与logs目录

mkdir data && mkdir logs 

指定当前节点的myid为1:创建myid，并在其中输入“1”

vim zookeeper-3.9.3/data/myid

创建zook.cfg文件

cp zookeeper-3.9.3/conf/zoo_sample.cfg zookeeper-3.9.3/conf/zoo.cfg

然后打开并修改

vim zookeeper-3.9.3/conf/zoo.cfg

修改内容如下

dataDir=~/software/zookeeper-3.9.3/data
dataLogDir=~/software/zookeeper-3.9.3/logs

server.1=Node01:2888:3888
server.2=Node02:2888:3888
server.3=Node03:2888:3888

然后分发Zookeeper到其它节点

xsync zookeeper-3.9.3/

2.5 配置Slave节点

分别指定当前节点的myid为2个3:创建myid，并在其中输入“1”和“3”

vim zookeeper-3.9.3/data/myid

2.6 启动Zookeeper

在3个节点上启动Zookeeper

./zkServer.sh start

然后分别输入,如果显示2个follower和1个leader，则说明启动成功

./zkServer.sh status

2.7 Zookeeper集群启动脚本

进入home下的bin目录

cd ~/bin/

输入指令，创建脚本

vim zk.sh

输入以下代码

#!/bin/bash
if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi
case $1 in
"start")
        echo " =================== 启动 Zookeeper  ==================="

        echo " --------------- 启动 Node01 ---------------"
        ssh Node01 "$ZOOKEEPER_HOME/bin/zkServer.sh start"
        echo " --------------- 启动 Node02 ---------------"
        ssh Node02 "$ZOOKEEPER_HOME/bin/zkServer.sh start"
        echo " --------------- 启动 Node03 ---------------"
        ssh Node03 "$ZOOKEEPER_HOME/bin/zkServer.sh start"
;;
"status")
        echo " ===================  Zookeeper 状态 ==================="

        echo " --------------- Node01 状态 ---------------"
        ssh Node01 "$ZOOKEEPER_HOME/bin/zkServer.sh status"
        echo " --------------- Node02 状态 ---------------"
        ssh Node02 "$ZOOKEEPER_HOME/bin/zkServer.sh status"
        echo " --------------- Node03 状态 ---------------"
        ssh Node03 "$ZOOKEEPER_HOME/bin/zkServer.sh status"
;;
"stop")
        echo " =================== 关闭 Zookeeper  ==================="

        echo " --------------- 关闭 Node01 ---------------"
        ssh Node01 "$ZOOKEEPER_HOME/bin/zkServer.sh stop"
        echo " --------------- 关闭 Node02 ---------------"
        ssh Node02 "$ZOOKEEPER_HOME/bin/zkServer.sh stop"
        echo " --------------- 关闭 Node03 ---------------"
        ssh Node03 "$ZOOKEEPER_HOME/bin/zkServer.sh stop"
;;
*)
    echo "Input Args Error..."
;;
esac

保存退出后设置权限

chmod 777 zk.sh

三、Hbase的安装

3.1 Hbase的下载

首先确保已经安装并配置Hadoop，然后检查Hadoop版本是否与要下载的Hbase版本适配，然后在清华镜像源找到对应版本的下载地址，到虚拟机中的相关目录下下载安装包。

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hbase/2.5.10/hbase-2.5.10-bin.tar.gz

随后输入指令进行解压

tar -zxvf hbase-2.5.10-bin.tar.gz

3.2 配置环境变量

输入指令，打开文件夹

sudo vim ~/.bashrc

配置环境,输入以下变量

export HBASE_HOME=~/software/hbase-2.5.10
export PATH=$PATH:$HBASE_HOME/bin:$HBASE_HOME/bin

刷新环境变量

source ~/.bashrc

输入指令，检查是否成功配置

echo $HBASE_HOME

最后输入指令，查看Hbase版本

hbase version

3.3 配置模式

输出指令查看自己的Hadoop和Java的环境变量

echo $HADOOP_HOME
echo $JAVA_HOME

然后打开Hbase的环境文件

vim hbase-2.5.10/conf/hbase-env.sh

配置以下内容

export HBASE_CLASSPATH=/home/ldy/software/hbase-2.5.10/conf
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export HBASE_MANAGES_ZK=true

然后打开hbase-site.xml文件

vim hbase-2.5.10/conf/hbase-site.xml

修改以下信息

• hbase.cluster.distributed 用于指定是否使用分布式集群模式
• 配置 hbase.rootdir 来指定数据的存储位置
• hbase.tmp.dir 用于指定 HBase 临时文件存储的目录。
• hbase.unsafe.stream.capability.enforce 控制是否强制检查流的能力，增加或减少系统的安全性。

<configuration>

        <property>
                <name>hbase.master.hostname</name>
                <value>node01</value>
        </property>

        <property>
                <name>hbase.unsafe.stream.capability.enforce</name>
                <!--使用本地文件系统设置为false，使用hdfs设置为true-->
                <value>ture</value>
        </property>

        <property>
                <name>hbase.zookeeper.quorum</name>
                <value>node01</value>
        </property>

        <property>
                <name>hbase.rpc.maxresponse.size</name>
                <value>128MB</value> <!-- 或者更大的值 -->
        </property>

        <property>
                <name>hbase.zookeeper.quorum</name>
                <value>Node01,Node02,Node03</value>
        </property>
      
        <property>
                <name>hbase.cluster.distributed</name>
                <value>true</value>
        </property>

        <property>
                <name>hbase.rootdir</name>
                <value>hdfs://node01:8020/HBASE</value>
        </property>

        <property>
                <name>hbase.zookeeper.property.dataDir</name>
                <value>/export/zookeeper</value>
        </property>

        <property>
                <name>hbase.master.webui.port</name>
                <value>16010</value>
        </property>

</configuration>

3.4 启动测试

首先启动Hadoop集群与Zookeeper，然后输入指令启动Hbase

$HBASE_HOME/bin/start-hbase.sh 

启动完成后，输入jps查看进程，出现以下信息，则说明Hbase运行了

HRegionServer 或 HMaster

3.5 Hbase集群脚本

创建脚本文件

vim ~/bin/hbase.sh

编写内容

#!/bin/bash

START_SCRIPT="$HBASE_HOME/bin/start-hbase.sh"
START_THRIFT="$HBASE_HOME/bin/hbase-daemon.sh start thrift"
STOP_THRIFT="$HBASE_HOME/bin/hbase-daemon.sh stop thrift"
STOP_MASTER="$HBASE_HOME/bin/hbase-daemon.sh stop master"
STOP_REGION="$HBASE_HOME/bin/hbase-daemons.sh stop regionserver"
STOP_SCRIPT="$HBASE_HOME/bin/stop-hbase.sh"

# 根据传入的参数执行操作
case "$1" in
  start)
    echo "Starting HBase..."
    $START_SCRIPT
    $START_THRIFT
    ;;
  stop)
    echo "Stopping HBase..."
    $STOP_THRIFT
    $STOP_MASTER
    $STOP_REGION
    $STOP_SCRIPT
    ;;
  *)
    echo "Usage: $0 {start|stop}"
    exit 1
    ;;
esac

exit 0

设置权限

chmod 777 ~/bin/hbase.sh

四、 Hbase的基础操作

4.1 打开Hbase shell

输入以下指令打开Hbase shell

hbase shell

4.2 命名空间namespace

在 HBase 中，Namespace（命名空间） 是一种逻辑上的分区机制，用于对表进行分组和管理。它类似于关系数据库中的“数据库”概念，但 HBase 是一个分布式存储系统，Namespace 的作用更多是为了组织和管理表。

4.2.1 Namespace 的主要功能

表的分组： Namespace 可以将表按照功能、业务或项目进行分组，方便管理和维护。例如，一个公司可能会根据不同的业务部门创建不同的 Namespace，如“Finance”（财务部门）、“Sales”（销售部门）等。
权限控制： Namespace 提供了更细粒度的权限管理。管理员可以为不同的用户或用户组设置对特定 Namespace 的访问权限，从而控制对表的访问。
资源隔离： 虽然 HBase 是一个分布式存储系统，Namespace 在逻辑上可以将表分隔开，避免表之间的相互干扰，尤其是在多租户环境中，Namespace 可以隔离不同租户的数据。
简化管理： 通过 Namespace，管理员可以更方便地对表进行批量操作，例如批量删除、备份或恢复。

4.2.2 Namespace 的使用

默认 Namespace： HBase 默认有一个名为“default”的 Namespace。如果没有指定 Namespace，表会被创建在“default”中。
自定义 Namespace： 用户可以根据需要创建自定义的 Namespace。创建 Namespace 的命令如下：

create_namespace 'school'

查看 Namespace： 可以使用以下命令查看所有 Namespace：

list_namespace

删除 Namespace： 删除 Namespace：删除 Namespace 的命令如下，删除 Namespace 时，该 Namespace 下的所有表也会被删除，因此需要谨慎操作：

drop_namespace 'school'

4.3 表的操作

4.3.1 表的创建

假设我们要创建一个表 cat_table，包含两个列族：

• info：存储猫咪的基本信息，如名字、年龄、品种。
• owner：存储猫咪主人的信息，如名字和联系方式。

创建表的命令：

create 'cat_table', 'info', 'owner'

如果创建失败，显示

    ERROR: org.apache.hadoop.hbase.ipc.ServerNotRunningYetException: Server is not running yet
      at org.apache.hadoop.hbase.master.HMaster.checkServiceStarted(HMaster.java:3207)
      at org.apache.hadoop.hbase.master.MasterRpcServices.isMasterRunning(MasterRpcServices.java:1163)
      at org.apache.hadoop.hbase.shaded.protobuf.generated.MasterProtos$MasterService$2.callBlockingMethod(MasterProtos.java)
      at org.apache.hadoop.hbase.ipc.RpcServer.call(RpcServer.java:415)
      at org.apache.hadoop.hbase.ipc.CallRunner.run(CallRunner.java:124)
      at org.apache.hadoop.hbase.ipc.RpcHandler.run(RpcHandler.java:102)
      at org.apache.hadoop.hbase.ipc.RpcHandler.run(RpcHandler.java:82)
    For usage try 'help "create"'

则先退出hbase，然后关闭hadoop的安全模式

hadoop dfsadmin -safemode leave

继续建表，应该就能成功了。

4.3.2 表的查看

输入指令，可以查看当前有哪些表:

list 

4.3.3 插入数据

假设我们有以下几只猫咪的数据：

• 猫咪1：
  名字：Kimi
  年龄：3岁
  品种：英国短毛猫
  主人：Alice
  主人联系方式：1234567890

• 猫咪2：
  名字：Tom
  年龄：2岁
  品种：橘猫
  主人：Bob
  主人联系方式：0987654321

则插入命令的指令为:

put 'cat_table', 'cat1', 'info:name', 'Kimi'
put 'cat_table', 'cat1', 'info:age', '3'
put 'cat_table', 'cat1', 'info:breed', 'British Shorthair'
put 'cat_table', 'cat1', 'owner:name', 'Alice'
put 'cat_table', 'cat1', 'owner:contact', '1234567890'

put 'cat_table', 'cat2', 'info:name', 'Tom'
put 'cat_table', 'cat2', 'info:age', '2'
put 'cat_table', 'cat2', 'info:breed', 'Orange Tabby'
put 'cat_table', 'cat2', 'owner:name', 'Bob'
put 'cat_table', 'cat2', 'owner:contact', '0987654321'

4.3.4 查询数据

get 'cat_table', 'cat1'

所得到的结果如下：

    hbase:022:0> get 'cat_table', 'cat1'
    COLUMN                   CELL                                                                
    info:age                timestamp=2025-02-18T14:38:30.289, value=3                          
    info:breed              timestamp=2025-02-18T14:38:30.334, value=British Shorthair          
    info:name               timestamp=2025-02-18T14:38:30.200, value=Kimi                       
    owner:contact           timestamp=2025-02-18T14:38:32.701, value=1234567890                 
    owner:name              timestamp=2025-02-18T14:38:30.404, value=Alice                      
    1 row(s)
    Took 0.0866 seconds                                                                          
    hbase:023:0> 

查询单只猫咪的特定信息（例如名字和品种）：

get 'cat_table', 'cat1', {COLUMN => 'info:name'}
get 'cat_table', 'cat1', {COLUMN => 'info:breed'}

结果如下：

    hbase:023:0> get 'cat_table', 'cat1', {COLUMN => 'info:name'}
    COLUMN                   CELL                                                                
    info:name               timestamp=2025-02-18T14:38:30.200, value=Kimi                       
    1 row(s)
    Took 0.0276 seconds                                                                          
    hbase:024:0> get 'cat_table', 'cat1', {COLUMN => 'info:breed'}
    COLUMN                   CELL                                                                
    info:breed              timestamp=2025-02-18T14:38:30.334, value=British Shorthair          
    1 row(s)
    Took 0.0195 seconds                                                                          
    hbase:025:0> 

查询所有猫咪的信息：

scan 'cat_table'

结果如下：

    hbase:025:0> scan 'cat_table'
    ROW                      COLUMN+CELL                                                         
    cat1                    column=info:age, timestamp=2025-02-18T14:38:30.289, value=3         
    cat1                    column=info:breed, timestamp=2025-02-18T14:38:30.334, value=British 
                            Shorthair                                                           
    cat1                    column=info:name, timestamp=2025-02-18T14:38:30.200, value=Kimi     
    cat1                    column=owner:contact, timestamp=2025-02-18T14:38:32.701, value=12345                         67890                                                               
    cat1                    column=owner:name, timestamp=2025-02-18T14:38:30.404, value=Alice   
    cat2                    column=info:age, timestamp=2025-02-18T14:38:38.451, value=2         
    cat2                    column=info:breed, timestamp=2025-02-18T14:38:38.500, value=Orange T                         abby                                                                
    cat2                    column=info:name, timestamp=2025-02-18T14:38:38.388, value=Tom      
    cat2                    column=owner:contact, timestamp=2025-02-18T14:38:39.627, value=09876                         54321                                                               
    cat2                    column=owner:name, timestamp=2025-02-18T14:38:38.541, value=Bob     
    2 row(s)
    Took 0.0612 seconds   

4.3.5 更新数据

假设 Kimi 的年龄变成了 4 岁：

put 'cat_table', 'cat1', 'info:age', '4'

查看数据，已经更新了：

    hbase:028:0> get 'cat_table','cat1',{COLUMN => 'info:age'}
    COLUMN                   CELL                                                                
    info:age                timestamp=2025-02-18T14:52:20.912, value=4                          
    1 row(s)
    Took 0.0118 seconds

4.3.6 删除数据

删除单个列（例如删除 Kimi 的主人联系方式）：

delete 'cat_table', 'cat1', 'owner:contact'

删除整行数据（例如删除 Tom 的所有信息）：

deleteall 'cat_table', 'cat2'

4.3.7 删除表

在删除表之前，需要先禁用表：

disable 'cat_table'
drop 'cat_table'

五、 Python API

5.1 导入hbase-python库

HappyBase 是一个用于与 Apache HBase 进行交互的 Python 客户端库，它提供了简单的 API 来执行对 HBase 的常见操作。

pip install happybase

可能会显示安装错误，需要安装 Microsoft C++ Build Tools，才能编译 C 扩展。

• 这时候需要进入 Microsoft C++ Build Tools 页面
• 点击 下载 按钮并运行安装程序
• 安装过程中，确保选择 C++ build tools 以及 Windows 10 SDK 组件。
• 完成安装后，重新启动计算机。

5.2 连接到 Hbase

import happybase

connection = happybase.Connection('Node01')  # 连接到 HBase 服务
connection.open()  # 打开连接

5.3 创建表

将创建一个包含猫咪数据的表。表的列族是 personal_info 和 health_info，其中包含猫咪的基本信息和健康数据。

# 创建一个名为 "cats" 的表，包含两个列族：personal_info 和 health_info
table_name = 'cats'
connection.create_table(
    table_name,
    {
        'personal_info': dict(),
        'health_info': dict(),
    }
)

5.4 插入数据

插入一些猫咪的数据。假设我们有猫咪的基本信息（如名字、年龄、品种等）和健康信息（如体重、疫苗接种情况等）。

table = connection.table(table_name)

# 插入猫咪的数据
table.put(b'cat1', {
    b'personal_info:name': '啊啊',
    b'personal_info:age': '2',
    b'personal_info:breed': '黑猫',
    b'health_info:weight': '4.5kg',
    b'health_info:vaccinated': '已接种'
})

table.put(b'cat2', {
    b'personal_info:name': '饱饱',
    b'personal_info:age': '1',
    b'personal_info:breed': '橘猫',
    b'health_info:weight': '5kg',
    b'health_info:vaccinated': '未接种'
})

5.5 查询数据

查询某只猫咪的数据，可以使用 table.row() 方法根据 row_key 查询

# 查询 cat1 的数据

cat1_data = table.row('cat1')

# 解码字节串
name = cat1_data[b'personal_info:name'].decode('utf-8')
age = cat1_data[b'personal_info:age'].decode('utf-8')
breed = cat1_data[b'personal_info:breed'].decode('utf-8')
weight = cat1_data[b'health_info:weight'].decode('utf-8')
vaccinated = cat1_data[b'health_info:vaccinated'].decode('utf-8')

# 打印解码后的数据
print(f"Name: {name}")
print(f"Age: {age}")
print(f"Breed: {breed}")
print(f"Weight: {weight}")
print(f"Vaccinated: {vaccinated}")

产生的数据

    Name: 啊啊
    Age: 2
    Breed: 黑猫
    Weight: 4.5kg
    Vaccinated: 已接种

5.6 扫描数据

扫描整个表并获取所有猫咪的信息，可以使用 table.scan() 方法：

# 扫描表并打印所有猫咪的数据
for key, data in table.scan():
    print(f"Row Key: {key}")
    print(f"Data: {data}")

结果如下

    Row Key: b'cat1'
    Data: {b'health_info:vaccinated': b'\xe5\xb7\xb2\xe6\x8e\xa5\xe7\xa7\x8d', b'health_info:weight': b'4.5kg', b'personal_info:age': b'2', b'personal_info:breed': b'\xe9\xbb\x91\xe7\x8c\xab', b'personal_info:name': b'\xe5\x95\x8a\xe5\x95\x8a'}
    Row Key: b'cat2'
    Data: {b'health_info:vaccinated': b'\xe6\x9c\xaa\xe6\x8e\xa5\xe7\xa7\x8d', b'health_info:weight': b'5kg', b'personal_info:age': b'1', b'personal_info:breed': b'\xe6\xa9\x98\xe7\x8c\xab', b'personal_info:name': b'\xe9\xa5\xb1\xe9\xa5\xb1'}

5.7 更新数据

更新已经存在的数据，例如修改 cat1 的体重信息：

table.put(b'cat1', {
    b'health_info:weight': b'5kg'  # 更新体重
})

5.8 删除数据

如果需要删除某个猫咪的数据，可以使用 table.delete()：

table.delete(b'cat2')  # 删除 cat2 的数据

5.9 关闭连接

connection.close()

5.10 输出所有表内容

为了方便查看，编写一个输出表内所有数据的函数print_table_contents(connection,table_name)

def print_table_contents(connection,table_name):

    try:
        # 获取表对象
        table = connection.table(table_name)

        # 扫描表的所有数据
        for key, data in table.scan():
            print(f"Row key: {key.decode('utf-8')}")
            for column, value in data.items():
                # 解码字节数据并打印
                print(f"  {column.decode('utf-8')}: {value.decode('utf-8')}")
            print("-" * 50)  # 分隔符

    except Exception as e:
        print(f"Error: {e}")

    finally:
        connection.close()

5.11 表是否存在

根据传入的表名，查看是否存在该表

def if_table_exists(connection,table_name):

    try:
        # 将表名转换为字节格式进行比较
        table_name_bytes = table_name.encode('utf-8')  # 将表名转换为字节格式
        if table_name_bytes in connection.tables():  # 直接与字节列表比较
            return True
        else:
            return False
    except Exception as e:
        print(f"Error: {e}")
        return False

# 示例调用：检查表 'my_table' 是否存在
table_exists = if_table_exists(connection,'猫咪')
print(f"Table exists: {table_exists}")