HBase查询命令有哪些？

HBase 是一个分布式的、面向列的 NoSQL 数据库，它构建在 HDFS 之上，适用于存储海量稀疏数据，在 HBase 中，查询数据主要通过其提供的 Shell 命令、Java API、第三方工具（如 Phoenix）或 MapReduce/Spark 等方式实现，Shell 命令是日常运维和简单查询最常用的工具，本文将详细介绍 HBase 查询相关的 Shell 命令，包括基本查询、条件查询、范围查询以及高级查询技巧,并辅以表格说明命令格式和功能。

基本查询命令

查看表列表

要查看 HBase 中所有表的名称，可以使用 list 命令：

list

该命令会返回当前 HBase 数据库中所有表的名称列表，如果需要查看更详细的信息（如表的状态、列族等），可以结合 status 或 describe 命令。

查看表结构

使用 describe 命令可以查看表的详细结构，包括列族、版本数、TTL 等属性：

describe 'table_name'

查看表 user_info 的结构：

describe 'user_info'

输出结果可能如下：

Table user_info is ENABLED
user_info
COLUMN FAMILIES DESCRIPTION
{NAME => 'info', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0', MAX_VERSIONS => '1'}

NAME 为列族名称，VERSIONS 为数据版本数，TTL 为数据存活时间。

查询表中的所有数据

使用 scan 命令可以查询表中的所有行数据,默认按行键升序排列：

scan 'table_name'

扫描 user_info 表的所有数据：

scan 'user_info'

输出结果会显示每行的行键（ROW）、列族（COLUMN）、时间戳（TIMESTAMP）和值（VALUE），如果数据量较大，可以通过 LIMIT 参数限制返回的行数，scan 'user_info', {LIMIT => 10}。

查询指定行的数据

使用 get 命令可以根据行键查询特定行的数据：

get 'table_name', 'row_key'

查询 user_info 表中行键为 user001 的数据：

get 'user_info', 'user001'

如果只需要查询特定列族或列，可以在命令中指定列族和列限定符，查询 info 列族下的 name 列：

get 'user_info', 'user001', 'info:name'

条件查询与范围查询

基于行键的范围查询

scan 命令支持 STARTROW 和 STOPROW 参数，用于指定行键的查询范围，包含 STARTROW 但不包含 STOPROW：

scan 'table_name', {STARTROW => 'start_key', STOPROW => 'stop_key'}

查询 user_info 表中行键从 user001 到 user005（不包括 user005）的数据：

scan 'user_info', {STARTROW => 'user001', STOPROW => 'user005'}

基于列的条件查询

可以通过 FILTER 参数指定过滤条件，实现复杂查询，HBase 支持多种过滤器（Filter），如 PrefixFilter（行键前缀过滤）、ValueFilter（值过滤）、ColumnPrefixFilter（列前缀过滤）等。

• 行键前缀过滤：查询行键以指定前缀开头的行

  scan 'table_name', {FILTER => "PrefixFilter('prefix')"}

  查询 user_info 表中行键以 user 开头的行：

  scan 'user_info', {FILTER => "PrefixFilter('user')"}

• 值过滤：查询列值匹配指定条件的行

  scan 'table_name', {FILTER => "ValueFilter(=, 'binary:value')"}

  查询 user_info 表中 info:name 列值为 Alice 的行：

  scan 'user_info', {FILTER => "ValueFilter(=, 'binary:Alice')", COLUMN => 'info:name'}

• 多条件组合过滤：使用 FilterList 组合多个过滤器

  scan 'table_name', {FILTER => "FilterList (AND, 'Filter1', 'Filter2')"}

基于时间戳的查询

HBase 支持按时间戳或时间范围查询数据，通过 TIMERANGE 参数可以指定时间戳范围：

scan 'table_name', {TIMERANGE => [start_timestamp, end_timestamp]}

查询 user_info 表中时间戳在 1630000000000 到 1630086400000 之间的数据：

scan 'user_info', {TIMERANGE => [1630000000000, 1630086400000]}

在 get 命令中也可以使用 TIMERANGE 参数，

get 'user_info', 'user001', {TIMERANGE => [1630000000000, 1630086400000]}

高级查询技巧

分页查询

当数据量较大时，可以使用 LIMIT 和 ROWPREFIXFILTER 实现分页查询，每页查询 10 条行键以 user 开头的行：

scan 'user_info', {FILTER => "PrefixFilter('user')", LIMIT => 10}

通过调整 STARTROW 和 LIMIT 参数可以实现翻页功能。

使用缓存优化查询

scan 命令默认使用 CACHE_BLOCKS 参数（默认为 true），表示从 RegionServer 读取数据时启用块缓存，可以通过设置 CACHING 参数控制每次 RPC 请求返回的行数,减少网络开销：

scan 'table_name', {CACHING => 100}

CACHING 值越大，RPC 次数越少,但内存占用越高。

查询版本数据

HBase 支持存储多个版本的数据，通过 VERSIONS 参数可以指定查询的版本数，查询 user_info 表中 info:name 列的最新 3 个版本：

get 'user_info', 'user001', {COLUMN => 'info:name', VERSIONS => 3}

查询命令总结

以下是常用 HBase 查询命令的总结表格：

相关问答FAQs

问题1：HBase 中如何查询某个列族下的所有列？
解答：使用 scan 命令时，通过 COLUMN 参数指定列族名称，即可查询该列族下的所有列，查询 user_info 表中 info 列族的所有数据：

scan 'user_info', {COLUMN => 'info'}

如果需要查询列族下的特定列，可以在列族后加上列限定符，{COLUMN => 'info:name'}。

问题2：HBase 查询时如何区分 NULL 值或空值？
解答：HBase 中不存在真正的 NULL 值，但可以通过以下方式处理空值场景：

1. 空单元格：如果某列没有数据，查询时不会显示该列。get 'user_info', 'user001' 只会返回存在的列。
2. 空字符串：如果插入的值为空字符串 ，查询时会显示为空值（value => ''）。
3. 过滤器判断空值：使用 NullFilter 查询值为空的列，

   scan 'user_info', {FILTER => "NullFilter(=)"}

   该命令会返回所有值为空字符串的列，需要注意的是，HBase 不会存储不存在的列，NullFilter 只能检测到显式插入的空字符串值。