HBase提供了丰富的API。这使得用Java连接HBase非常方便。
有时候大家会使用HTable table=new HTable(config,tablename);的方式来实例化一个HTable对象，实际上这并不是最好的实例化HTable的办法。最好的办法是使用HTablePool，并且每个线程都使用独立的HTable（参见《HBase The Definitive Guide》 4.4 HtablePool 和3.1 客户端API 概述）。因为HTable实例的创建非常耗时，需要扫描.META表确认表是否存在，是否可用等，还需要做其他的一些操作，所以，最好在系统启动的时候创建实例，如果需要多个HTable，考虑使用HTablePool。
比如我在webservice中，需要对HTable进行查询，并将数据返回，我是这么做的：
可以在提供服务的类的构造函数里完成HTablePool的初始化，弃用下面的方法。
先在静态代码块中把系统中需要用到的表都获取一遍，获取完之后立即关闭该表，以期增加真正的服务的代码中，第一次实例化HTable对象的效率。
//这是我对外提供服务的类
public class HBaseQu
{ // SignHBase.getConfiguration()是从配置文件中获取
//org.apache.hadoop.conf.Configuration的一个对象
// 定义一个全局的HTablePool
public static HTablePool hTablePool = new HTablePool(
SignHBase.getConfiguration(), Integer.MAX_VALUE);
// 初始化所用到的HTablePool，从pool中get一个需要用到的表，get完毕，立即关闭，
// 以后每增加一个接口，如果需要用到一个新表的话，就在此处增加一次获取表，然后关闭它的代码。
static
{
HTable table = null;
//从池里获取一个表，然后关闭它（类似于充血） try {
table = (HTable) hTablePool.getTable(tableName);
if (null != table)
{
table.close();
}
}
catch (IOException e)
{
e.printStackTrace();
} //获取另外一个表
try
{
table = (HTable) hTablePool.getTable(tableName2);
if (null != table)
{
table.close();
}
}
catch (IOException e)
{
e.printStackTrace();
}
}
}
在真正的服务的代码中，直接使用pool.getTable(tableName)即可快速实例化该表。如下所示：
HTable table = null;//定义HTable
ResultScanner rs = null;//定义接收结果的ResultScanner对象
try
{
//实例化HTable对象
table = (HTable) HBaseQu.hTablePool.getTable(tablename);
Scan s = new Scan();//实例化Scan对象
s.setFilter(new PrefixFilter(rowPrifix.getBytes()));//添加过滤器
s.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));
rs = table.getScanner(s);//获取结果
for (Result r : rs)
{//循环处理行
KeyValue[] kv = r.raw();
for (int i = 0; i < kv.length; i++)
{
value.add(new String(kv[i].getRow(), "UTF-8") + ":---:"
+ new String(kv[i].getFamily()) + ":"
+ new String(kv[i].getQualifier()) + ":---:"
+ new String(kv[i].getValue())); }
}
}
catch (Exception e)
{
e.printStackTrace();
return null;
}
finally
{
//关闭打开的资源
if (null != rs)
{
rs.close();
}
try
{
if (null != table)
{
table.close();
}
}
catch (IOException e)
{
e.printStackTrace();
}
}
本文已同步至大数据技术( http://cloudera.org.cn )，文章地址：http://cloudera.org.cn/?p=43
