也许你还不清楚我在说什么，看一下下面的截图你就明白了：
好吧，如果您感兴趣，可以继续看下去了。
hbase是以字节数组的形式存储数据的，当你直接用API或通过hbase 自带的shell端去查询数据时，实际显示的是二进制数据的byteString的形式，就像这样：\xE5\x94\xAE\xE5\x90\x8E，当然，这肯定不是你想看到的结果。不过没办法，因为rowkey和value是用户自己定义的，包括类型，长度等，又因为存的是二进制数据，所以hbase自身api不可能解析出真实的数据，因为它不知道存取的规则。
我们要做的，就是要制定这种数据存储的规则，比如：rowkey由几个字段构成，每一个的类型，value的类型。值得一提的是几种数值型一旦类型一定，长度就定了，但string类型比较特殊，长度不是固定的。这里先使用一个字节存储长度，再紧跟着具体string串，当然这只是一种方式。value使用一个columfamily，因为官方也不建议使用太多。
以上的规则作为元数据放在xml配置文件里再好不过了，以后增加了hbase表，只需修改配置文件。
根据上面的规则写几个包含处理逻辑的类是必须的，包括读元数据，类型之间的转换方法等等。有了这些方法，就能在任何地方输出想要的数据，比如web前端。下面是以scan为例的hbase shell客户端具体实现思路：
1. 首先要在ruby/shell/commands下增加一个命令，姑且叫做superscan吧，直接对应一个JRuby脚本，定义一个Superscan类继承自Command，接收结果集并格式化输出。
内容如下：
module Shell
module Commands
class Superscan < Command
def help
return <<-EOF
此处省略若干打印的帮助信息EOF
end
def command(table, args = {})
now = Time.now
formatter.header(["READABLE_ROW", "READABLE(COLUMN+CELL)"])
count = table(table).superscan(args) do |row, cells|
formatter.row([ row, cells ])
end
formatter.footer(now, count)
end
end
end
end
2.shell.rb脚本中的dml命令组里要添加上面定义的命令。
3.下面主要是对ruby/hbase/table.rb脚本的修改，添加相应的方法：
因为我的api里用到了表的名字，所以要在初始化方法里加个tablename变量：
def initialize(configuration, table_name, formatter)
@table = org.apache.hadoop.hbase.client.HTable.new(configuration, table_name)
@tableName = table_name
end superscan方法：
#----------------------------------------------------------------------------------------------
# superScans whole table or a range of keys and returns rows matching specific criterias
def superscan(args = {})
unless args.kind_of?(Hash)
raise ArgumentError, "Arguments should be a hash. Failed to parse #{args.inspect}, #{args.class}"
end
limit = args.delete("LIMIT") || -1
maxlength = args.delete("MAXLENGTH") || -1
if args.any?
filter = args["FILTER"]
startrow = args["STARTROW"] || ''
stoprow = args["STOPROW"]
timestamp = args["TIMESTAMP"]
columns = args["COLUMNS"] || args["COLUMN"] || get_all_columns
cache = args["CACHE_BLOCKS"] || true
versions = args["VERSIONS"] || 1
timerange = args[TIMERANGE]
# Normalize column names
columns = [columns] if columns.class == String
unless columns.kind_of?(Array)
raise ArgumentError.new("COLUMNS must be specified as a String or an Array")
end
scan = if stoprow
org.apache.hadoop.hbase.client.Scan.new(startrow.to_java_bytes, stoprow.to_java_bytes)
else
org.apache.hadoop.hbase.client.Scan.new(startrow.to_java_bytes)
end
columns.each do |c|
family, qualifier = parse_column_name(c.to_s)
if qualifier
scan.addColumn(family, qualifier)
else
scan.addFamily(family)
end
end
unless filter.class == String
scan.setFilter(filter)
else
scan.setFilter(org.apache.hadoop.hbase.filter.ParseFilter.new.parseFilterString(filter))
end
scan.setTimeStamp(timestamp) if timestamp
scan.setCacheBlocks(cache)
scan.setMaxVersions(versions) if versions > 1
scan.setTimeRange(timerange[0], timerange[1]) if timerange
else
scan = org.apache.hadoop.hbase.client.Scan.new
end
# Start the scanner
scanner = @table.getScanner(scan)
count = 0
res = {}
iter = scanner.iterator
# Iterate results
while iter.hasNext
if limit > 0 && count >= limit
break
end
row = iter.next
key = org.apache.hadoop.hbase.util.Bytes::toStringBinary(row.getRow) #\00\x01这种形式
byteKey = row.getRow
#add
rowType = com.cuirong.bi.data.hbase.reader.MetaConfig::getRowKeyType(@tableName)
stringKey = com.cuirong.bi.data.hbase.inf.CommonUtil::bytes2String(byteKey,rowType)
#endadd
row.list.each do |kv|
family = String.from_java_bytes(kv.getFamily) #字节数组转string
qualifier = org.apache.hadoop.hbase.util.Bytes::toStringBinary(kv.getQualifier)
column = "#{family}:#{qualifier}"
cell = to_strings(column, kv, byteKey, maxlength)
if block_given?
yield(stringKey, "column=#{column}, #{cell}")
else
res[stringKey] ||= {}
res[stringKey][column] = cell
end
end
# One more row processed
count += 1
end
return ((block_given?) ? count : res)
end
上面的方法用到了to_strings方法：
# Make a String of the passed kv
# Intercept cells whose format we know such as the info:regioninfo in .META.
def to_strings(column, kv, byteKey, maxlength = -1)
if is_meta_table?
if column == 'info:regioninfo' or column == 'info:splitA' or column == 'info:splitB'
hri = org.apache.hadoop.hbase.util.Writables.getHRegionInfoOrNull(kv.getValue)
return "timestamp=%d, value=%s" % [kv.getTimestamp, hri.toString]
end
if column == 'info:serverstartcode'
if kv.getValue.length > 0
str_val = org.apache.hadoop.hbase.util.Bytes.toLong(kv.getValue)
else
str_val = org.apache.hadoop.hbase.util.Bytes.toStringBinary(kv.getValue)
end
return "timestamp=%d, value=%s" % [kv.getTimestamp, str_val]
end
end
#add
reader = com.cuirong.bi.data.hbase.reader.HBaseReader.new(@tableName)
row = reader.getRow(byteKey)
#endadd
#val = "timestamp=#{kv.getTimestamp}, value=#{org.apache.hadoop.hbase.util.Bytes::toStringBinary(kv.getValue)}"
val = "timestamp=#{kv.getTimestamp}, value=#{row.getColumn(column)}"
(maxlength != -1) ? val[0, maxlength] : val
end
上面代码中有几个java类是自己定义的，跟据名字应该能猜出做了哪些工作。
可能有些人还不清楚hbase，ruby，JRuby，java之间的关系，下面简单介绍下：
hbase当然是用java实现的开源数据库。
我们常说的ruby是一门Matz（此人跟苍老师同一国籍)设计的C语言实现解释器的语言，ruby on rails，可以用于web开发。
JRuby是一个用纯java实现了ruby语法解释器的语言，表面上在写ruby脚本，实际运行的还是在jvm上运行字节码文件。JRuby API里面有一个org.jruby.Main 类，作为ruby脚本的入口。
在hbase中， bin/hirb.rb就是入口脚本，它会加载其它ruby脚本，被JRuby API编译成符合jvm规范的字节码文件执行。也许很多工作很久的java工程师都不太清楚的一点：java语言和jvm虚拟机是两个不同的规范，概念。
所谓的Jython，groove都跟JRuby是类似的。
