hbase操作学习
1.namespace
- list_namespace 展示数据库

- create_namespace

可以带属性名 属性值
create_namespace 'mydb',{'author'=>'hjp','ctime'=>'2023-10-18'}
-
describe_namespace ‘库名’
查看库的详细信息

-
alter_namespace ‘库名’

修改表的详细信息
删除就是把method设置为unset -
drop_namespace ‘库名’
删除只能删空的,如果不空就得先删数据,


2.ddl
1.创建表
create 'bigdata:student',{NAME=>'info'},{NAME=>'msg'}
注意格式
create ‘库名:表名’,{族名,属性}
库名可以省略,省略就是到默认库创建
如果没有别的属性,只有列族,可以不写NAME
create ‘bigdata:student’,‘info’,‘msg’

2.list destribe desc
查看表
这两个都行,一个查的是表,一个查的是表的详细信息
但是destribe查询表需要带库名,如果不带,查的就是默认的库

3.alter
修改表
添加列族
alter ‘student1’,‘f3’
和创建一个用法
4.drop
删除表
每个表都有状态,enabled是可用,而如果要删除,先将他修改为不可用状态然后再进行删除
disable 表
drop 表
在这里插入图片描述
5.exists
检测表是否存在
6. list_regions
查看表的regions
存的是start_key和end_key ,这里和分区分桶不同,分区分桶是哈希,而这个是切分
3. dml
1.put
添加数据和列(列不是列族)
注意,这里的添加指的是加进去一个新版本,而查询每次查询的都是最新版本,但是原来的版本是否保存是由表和族的VERSIONS决定,
put 表名,行key,列族:列名,''

2.get
查询单条数据
get 表名,行key
这样查询的是整个表的全部列
也可以单独查询列
get 表名,行key, 族:列


3.scan
扫描
可以查全表,但是一般来说没必要,大数据环境下,数据量太大,检索太耗资源(时间 性能 )
按照key的范围查
默认范围左闭右开。
注意,key的排序是字典序
hbase:025:0> scan ‘bigdata:student’,{STARTROW => ‘1001’,STOPROW => ‘1002’}
也可以同时查询多个版本
scan ‘stu’,{RAW=>true,VERSIONS=>3}
4.delete 和deleteall
delete ‘stu’,‘1001’,‘f1:name’ 删除最新的
deleteall ‘stu’,‘1001’,‘f1:name’ 这一条的全部版本的列都删除
4.JAVA
1. ddl
admin
通过admin进行对表结构的操作
2.dml
tablename
相关文章:
hbase操作学习
1.namespace list_namespace 展示数据库 create_namespace 可以带属性名 属性值 create_namespace mydb,{author>hjp,ctime>2023-10-18}describe_namespace ‘库名’ 查看库的详细信息 alter_namespace ‘库名’ 修改表的详细信息 删除就是把method设置为unset dr…...
Nginx详细配置指南
nginx.conf配置 找到Nginx的安装目录下的nginx.conf文件,该文件负责Nginx的基础功能配置。 配置文件概述 Nginx的主配置文件(conf/nginx.conf)按以下结构组织: 配置块功能描述全局块与Nginx运行相关的全局设置events块与网络连接有关的设置http块代理…...
【数据库】SQL 过滤数据
过滤数据 简单过滤where 子句操作符检查单个值范围值检擦空值检查 高级过滤多个过滤条件求值顺序IN 操作符NOT 操作符 在 s q l sql sql 语句中,通过 WHERE 子句指定搜索条件进行过滤。 简单过滤 包含:WHERE,BETWEEN,IS NULL&a…...
缓存相关问题
对于缓存,我们主要关心两个:缓存的命中率,数据的一致性。由此又会有一些缓存引起的问题,缓存击穿、穿透、雪崩。对于这些问题也是我们在使用缓存时不得不考虑的 。这些问题的解决方案也有很多。这里简单列举几个: &am…...
arrow(c++)改写empyrical系列1---用arrow读取基金净值数据并计算夏普率
用arrow c版本读取了csv中的基金净值数据,然后计算了夏普率,比较尴尬的是,arrow c版本计算耗费的时间却比python的empyrical版本耗费时间多。。。 arrow新手上路,第一次自己去实现功能,实现的大概率并不是最高效的方…...
Mathematica强制将函数的自变量由符号转为数值
问题 使用Mathematcia完成函数优化(FindMaximum)十分方便。但是如果优化的目标函数非常复杂,里面嵌套了若干NSolve函数,那么FindMaximum可能会计算非常长时间,甚至无法得到正确结果。 原因在于,Mathemtic…...
【wps】记录
1、ppt背景图片上的字体怎样消除? 打开PPT要删除文字的PPT后,依次点击视图→母版视图→幻灯片母版。 在幻灯片母版的左侧,选择版式页面,在母版的右侧选择要删除的文字,删除即可 点击“关闭母版视图”即可退出幻灯片…...
扩散模型学习
第一章 1.1 的原理 给定一批训练数据X,假设其服从某种复杂的真实 分布p(x),则给定的训练数据可视为从该分布中采样的观测样本x。 生成模型就是估计训练数据的真实分布,使得估计的分布q(x)和真实分布p(x)差距尽可能能的小。 使得所有训练…...
解决方法:从客户端(---<A href=“http://l...“)中检测到有潜在危险的 Request.Form 值。
从客户端(-----<A href"http://l...")中检测到有潜在危险的 Request.Form 值。 解决方法:应该是不同的.net Framework版本对代码的校验不同,造成在高版本操作系统(即高.net Framework版本校验)不兼容,可…...
Linux shell编程学习笔记14:编写和运行第一个shell脚本hello world!
* 20231020 写这篇博文断断续续花了好几天,为了说明不同shell在执行同一脚本文件时的差别,我分别在csdn提供线上Linux环境 (使用的shell是zsh)和自己的电脑上(使用的shell是bash)做测试。功夫不负有心人&am…...
隐式类型转换
什么是隐式类型转换,多参数的造函数隐式类型转换,和单参数的构造函数隐式类型转换有什么区别 C中有三种主要的隐式类型转换: 1:多参数的构造函数隐式类型转换 2:单参数的构造函数隐式类型转换 3:成员函数隐式类型转换。…...
单例模式:饿汉式、懒汉式
一、单例模式 定义:一个类中的对象只能有一个,它在内存中只会创建一次对象的设计模式。 用法:在程序中如果多次用到同一个类中的方法进行操作时,在使用时就会创建多个对象。为了防止频繁创建对象造成内存资源浪费,就可…...
“人间烟火”背后,长沙招商引资再出圈
连续多年,长沙荣膺全国最具幸福感城市。同时,长沙也被誉为“中部崛起的引擎城市”。长沙不仅有网红城市的人间烟火气,更以创新的精神,优质的营商环境,高效的政府服务,丰富的人才资源和深厚的产业基础&#…...
操作系统【OS】中断和异常
异常(内中断) 中断(外中断) 基本概念 由CPU执行指令内部产生的事件内中断都是不可屏蔽中断,一旦出现,就要立即处理。 由来自CPU外部的设备发出的中断请求(常用于输入输出)典型的由…...
[AutoSAR系列] 1.1 AutoSar 发展历史
AUTOSAR,全称为Automotive Open System Architecture,即汽车开放系统架构。 AutoSar 是一项开源的汽车软件标准,旨在提高汽车电子系统的互操作性和可重用性。AutoSar 成员通常是汽车制造商、电子元件制造商、软件供应商和工具供应商等公司,他们在共同开发和推进 AutoSar 标…...
【vscode编辑器插件】前端 php unity自用插件分享
文章目录 一篇一句前言前端vuegitphpunity后端其他待续完结 一篇一句 “思考是最困难的工作,这也许是为什么很少有人这样做。” - 亨利福特(Henry Ford) 前言 无论是什么语言,我都会选择使用vscode进行开发,我愿称v…...
【企业级SpringBoot单体项目模板 】—— 项目代码管理
😜作 者:是江迪呀✒️本文关键词:SpringBoot项目模版、企业级、模版、代码管理☀️每日 一言:生命力顽强的种子,从不对瘠土唱诅咒的歌。 文章目录 一、第一种:先创建仓库1.1 创建仓库1.2 clone…...
Python读取Excel文件中指定的列数并生成CSV文件
0x00 安装Pandas和OpenPyXL pip install pandaspip install openpyxl0x01 Encoding import os import pandas as pd import openpyxl from openpyxl import load_workbook import csvdef write_dict_to_csv(dict_data, fileName):df pd.DataFrame.from_dict(dict_data)# 将D…...
MySQl有哪些索引(种类)?索引特点?为什么要使用索引?
普通索引:仅加速查询唯一索引:加速查询 列值唯一(可以有null)主键索引:加速查询 列值唯一(不可以有null) 表中只有一个组合索引:多列值组成一个索引,专门用于组合搜索&…...
49数码论坛系统设计与实现
大家好✌!我是CZ淡陌。一名专注以理论为基础实战为主的技术博主,将再这里为大家分享优质的实战项目,本人在Java毕业设计领域有多年的经验,陆续会更新更多优质的Java实战项目,希望你能有所收获,少走一些弯路…...
解锁B站缓存视频:m4s-converter如何让你珍藏的内容重获新生
解锁B站缓存视频:m4s-converter如何让你珍藏的内容重获新生 【免费下载链接】m4s-converter 一个跨平台小工具,将bilibili缓存的m4s格式音视频文件合并成mp4 项目地址: https://gitcode.com/gh_mirrors/m4/m4s-converter 当你在B站发现一个精彩的…...
Luong注意力机制:原理、实现与工程优化
1. Luong注意力机制解析在神经机器翻译领域,注意力机制的革命性突破始于2014年Bahdanau的开创性工作,而2015年Luong等人提出的改进方案则将这一技术推向了新的高度。作为一名长期从事自然语言处理研究的工程师,我见证了注意力机制从理论构想到…...
EDMA3控制器架构与DMA传输优化实践
1. EDMA3控制器架构解析在嵌入式系统开发中,DMA(直接内存访问)技术是提升系统性能的关键组件。作为TI公司推出的增强型DMA控制器,EDMA3通过硬件加速实现了外设与内存间的高效数据传输。与传统DMA相比,EDMA3引入了参数随…...
游戏开发AI行为调试与平衡调整
游戏开发中的AI行为调试与平衡调整是确保游戏体验流畅且富有挑战性的关键环节。无论是开放世界中的NPC互动,还是策略游戏中的敌人决策,AI的行为逻辑直接影响玩家的沉浸感与游戏乐趣。随着游戏复杂度的提升,开发者需要更精细地调试AI行为&…...
终极指南:如何用Universal-x86-Tuning-Utility释放你的硬件性能潜力
终极指南:如何用Universal-x86-Tuning-Utility释放你的硬件性能潜力 【免费下载链接】Universal-x86-Tuning-Utility Unlock the full potential of your Intel/AMD based device. 项目地址: https://gitcode.com/gh_mirrors/un/Universal-x86-Tuning-Utility …...
FinRobot开源框架:构建金融AI统一基础架构的实践指南
1. 项目概述:当金融遇上AI,一个开源框架的诞生 如果你在金融科技领域摸爬滚打过几年,一定会对“数据孤岛”和“模型黑箱”这两个词深恶痛绝。分析师们守着彭博终端、Wind、Tushare等一堆数据源,数据清洗和特征工程就能耗掉80%的时…...
阿里达摩院GTE中文向量模型:nlp_gte_sentence-embedding_chinese-large开发者实测报告
阿里达摩院GTE中文向量模型:nlp_gte_sentence-embedding_chinese-large开发者实测报告 1. 模型介绍:中文文本向量化的新选择 如果你正在寻找一个专门为中文优化的文本向量模型,阿里达摩院的GTE-Chinese-Large绝对值得关注。这个模型能够将中…...
重新定义macOS存储管理:Pearcleaner如何通过智能算法解决应用残留难题
重新定义macOS存储管理:Pearcleaner如何通过智能算法解决应用残留难题 【免费下载链接】Pearcleaner A free, source-available and fair-code licensed mac app cleaner 项目地址: https://gitcode.com/gh_mirrors/pe/Pearcleaner 在macOS生态系统中&#x…...
别再只用默认用户了!手把手教你为SpringBoot项目配置独立的RabbitMQ用户和Virtual Host
企业级RabbitMQ隔离实战:SpringBoot多项目安全配置指南 当微服务架构遇上消息队列,数据隔离便成为保障系统稳定性的第一道防线。去年某电商平台因消息队列权限混乱导致的订单与库存数据交叉污染事件,让行业深刻认识到:生产环境中的…...
数字孪生AI:如何让历史数据“开口说话”?
数字孪生AI:如何让历史数据“开口说话”? 引言 想象一下,如果能将一座工厂、一条交通干线甚至一个城市的“过去”完整地复现、分析与推演,我们能从中发现多少被忽略的规律,避免多少重复的失误?这正是数字孪…...
