HBase数据读写示例程序如何编写，HBase存储原理是什么

HBase数据读写示例程序的核心操作是Put和Get，通过Java API可以快速实现数据的写入和读取，掌握这些示例代码是HBase开发的基础。

HBase数据读写示例程序：Put与Get操作详解

HBase的读写操作分别对应Put和Get两个核心类，Put负责写入数据，Get负责查询数据,下面通过具体示例展示从单行操作到批量处理的基本用法。

加载中

16_5.3.5 读写HBase数据（配置Spark并编写程序读取HBase数据）

鄔景曙

175113-

原视频地址

Put写入示例：从单行到批量

单行写入是最简单的模式，先构造一个Put对象，指定行键，然后通过addColumn方法添加列族、列名和值,最后调用Table的put方法提交。

Put put = new Put(Bytes.toBytes("rowKey1"));
put.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("name"), Bytes.toBytes("Alice"));
put.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("age"), Bytes.toBytes("30"));
table.put(put);

当需要写入多条数据时，建议使用批量写入，将多个Put对象放入List中，调用table.put(List)即可，相比逐条写入，批量写入能大幅减少网络交互次数，提升整体吞吐量。参考2

List<Put> puts = new ArrayList<>();
puts.add(new Put(Bytes.toBytes("row1")).addColumn(/.../));
puts.add(new Put(Bytes.toBytes("row2")).addColumn(/.../));
table.put(puts);

在HBase Java API写入示例中，批量操作是常规推荐做法，需要注意，如果批量中某条失败，整批是否会回滚取决于配置，通常建议将一批数据控制在合理大小,避免占用过多内存。

Get读取示例：精确查询与范围扫描

精确查询使用Get对象，指定行键即可获取整行数据,也可以指定列族和列来缩小返回量。

Get get = new Get(Bytes.toBytes("rowKey1"));
get.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("name"));
Result result = table.get(get);
byte[] value = result.getValue(Bytes.toBytes("cf"), Bytes.toBytes("name"));

范围扫描则使用Scan对象，通过设置起始行和结束行，可以获取一个区间的多行数据，Scan还支持过滤器（如PrefixFilter、FilterList）来实现更精细的过滤。参考2

Scan scan = new Scan();
scan.setStartRow(Bytes.toBytes("row1"));
scan.setStopRow(Bytes.toBytes("row3"));
ResultScanner scanner = table.getScanner(scan);
for (Result r : scanner) {
    // 处理每一行
}
scanner.close();

扫描后必须关闭ResultScanner，否则会占用RegionServer资源,这是HBase读写操作代码示例中容易忽略的细节。

HBase存储示例：批量写入与读取优化

实际生产环境中，单条读写往往无法满足性能要求，批量写入和读取优化是HBase存储示例中最常被关注的部分,直接关系到系统吞吐量。

批量写入：提升吞吐量的关键

除了上述table.put(List)方式，还可以使用BufferedMutator，它内部维护一个写缓冲区，当缓冲区满或达到一定时间后自动批量提交,适合持续写入的场景。

BufferedMutator mutator = connection.getBufferedMutator(tableName);
mutator.mutate(put);
mutator.flush(); // 手动刷出

批量写入可以显著减少RPC调用次数，据统计，当数据量较大时，批量写入的吞吐量可能是逐条写入的5倍以上（具体数值因环境而异），但也要注意，批量大小不宜过大，否则可能触发RegionServer的写压力，导致RegionTooBusyException，建议根据Row大小和网络条件调整，一般每批1000-5000条较为常见。

读取优化：合理使用Scan缓存

Scan默认每次只从服务器拉取一行，导致大量小包交互，通过setCaching()设置缓存行数，可以一次拉取多行,减少网络往返。

scan.setCaching(500); // 一次拉取500行

缓存行数越大，查询越快，但会占用更多客户端内存。

行业共识认为，对于RowKey均匀分布的场景，设置1000左右的缓存是一个平衡点，使用过滤器（如SingleColumnValueFilter、PageFilter）可以在服务端提前过滤,避免传输无用数据。参考2

HBase读写操作代码示例：Java API 实战

下面是一个完整的示例，从创建表到写入数据，再到读取和删除,涵盖HBase读写操作代码示例的主要步骤。

完整示例：从创建表到数据读写

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.;
import org.apache.hadoop.hbase.client.;
import org.apache.hadoop.hbase.util.Bytes;
public class HBaseDemo {
    public static void main(String[] args) throws Exception {
        Configuration conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.quorum", "localhost:2181");
        try (Connection conn = ConnectionFactory.createConnection(conf);
             Admin admin = conn.getAdmin()) {
            TableName tableName = TableName.valueOf("test_table");
            // 创建表
            if (!admin.tableExists(tableName)) {
                TableDescriptor desc = TableDescriptorBuilder.newBuilder(tableName)
                        .setColumnFamily(ColumnFamilyDescriptorBuilder.of("cf"))
                        .build();
                admin.createTable(desc);
            }
            // 写入数据
            try (Table table = conn.getTable(tableName)) {
                Put put = new Put(Bytes.toBytes("row1"));
                put.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("col1"), Bytes.toBytes("value1"));
                table.put(put);
                // 读取数据
                Get get = new Get(Bytes.toBytes("row1"));
                Result result = table.get(get);
                System.out.println(Bytes.toString(result.getValue(Bytes.toBytes("cf"), Bytes.toBytes("col1"))));
            }
            // 删除表（可选）
            // admin.disableTable(tableName);
            // admin.deleteTable(tableName);
        }
    }
}

代码中使用了try-with-resources自动关闭资源，这是推荐做法，Connection是重量级对象，应全局复用,不要每次操作都创建。

常见错误与调试

• ZooKeeper连接失败：检查hbase.zookeeper.quorum配置是否正确,端口是否开放。
• RegionTooBusyException：通常由写入超出RegionServer处理能力引起,可增大写缓冲区或增加Region数量。
• Scan没有结果：检查StartRow和StopRow的设置，注意行键是字节数组,比较是字典序。
• 表不存在异常：确认表名正确,且已经创建。

通过上述示例，你可以快速掌握HBase数据读写的基本方法，在实际项目中，结合批量操作、缓存优化和合理的表设计,能更好地发挥HBase在大数据场景下的存储优势。

HBase数据读写示例程序常见问题解答

问题1：HBase读写示例中如何连接HBase集群？

需要配置ZooKeeper地址，通过HBaseConfiguration创建Configuration对象，然后调用ConnectionFactory.createConnection获取连接，示例代码中已包含具体配置方式，注意Connection是线程安全的,应在整个应用生命周期内复用。

问题2：批量写入时出现RegionTooBusyException怎么办？

可以尝试增大写缓冲区大小（通过BufferedMutator的setWriteBufferSize），或增加客户端重试次数，如果问题持续，说明RegionServer写入压力过大,建议通过预分区或增加RegionServer实例来分摊负载。

问题3：使用Scan扫描时如何设置缓存？

通过Scan.setCaching(int)设置一次远程调用返回的行数，默认值1，建议根据行的大小和可用内存调整，通常设置100到2000之间，注意，扫描完成后需要调用ResultScanner.close()释放资源,否则可能导致RegionServer端连接泄漏。