《HBase权威指南》一3.3 批量处理操作

本节书摘来异步社区《hbase权威指南》一书中的第3章，第3.3节，作者： 【美】lars george 译者： 代志远 , 刘佳 , 蒋杰 责编： 杨海玲，更多章节内容可以访问云栖社区“异步社区”公众号查看。

现在我们已经介绍过添加、检索和删除表中数据的操作了，不过前面介绍的操作都是基于单个实例或基于列表的操作。这一节将会介绍一些api调用，这些调用可以批量处理跨多行的不同操作。

文字事实上，许多基于列表的操作，如delete(list deletes)或者get(list gets)，都是基于batch()方法实现的。它们都是一些为了方便用户使用而保留的方法。如果你是新手，推荐使用batch()方法进行所有操作。 下面的客户端api方法提供了批量处理操作。用户可能注意到这里引入了一个新的名为row的类，它是put、get和delete的祖先，或者说是父类。

使用同样的父类允许在列表中实现多态，即放入以上3种不同的子类。这种调用跟之前介绍的基于列表的调用方法一样简单易用。下面的例3.16展示了如何把不同的操作融合为一个服务器端调用。

图像说明文字请注意，不可以将针对同一行的put和delete操作放在同一个批量处理请求中。为了保证最好的性能，这些操作的处理顺序可能不同，但是这样会产生不可预料的结果。由于资源竞争，某些情况下，用户会看到波动的结果。

例3.16　使用批量处理操作的应用示例

使用常量可以方便重用。

创建列表存放所有操作。

添加一个put实例。

添加一个针对不同行的get实例。

添加一个delete实例。

添加一个会失败的get实例。

创建一个结果数组。

打印捕获的异常。

打印所有结果。

从控制台上可以看到以下结果：

与之前的例子一样，在执行批量处理之前，由于插入了测试行的数据，因此先打印了测试行的相关输出。首先输出的是表的原内容，然后是示例代码产生的输出，最后输出的是操作以后的表的内容。由输出结果可见，要删除的列被删除了，新添加的列也成功添加了。

get操作的结果需要观察输出结果的中间部分，即示例代码产生的输出。那些以result[n]（n从0到3）开头的输出是actions参数中对应操作的结果。示例中第一个操作是put，对应的结果是一个空的result实例，其中没有keyvalue实例。这是批量处理调用返回值的通常规则，它们给每个输入操作返回一个最佳匹配的结果，可能的返回值如表3-7所示。

更进一步地观察控制台上输出的返回结果数组，你会发现空的result实例打印出来是：keyvalues=none。get请求成功找到了相匹配的结果，返回一个对应的keyvalue实例。最后，有一个bogus列族的操作请求并返回一个异常供用户参考。

文字当用户使用batch()功能时，put实例不会被客户端写入缓冲区缓冲。batch()请求是同步的，会把操作直接发送到服务器端，这个过程没有什么延迟或其他中间操作。这与put()调用明显不同，所以请慎重挑选需要的方法。

有两种不同的批量处理操作看起来非常相似。不同之处在于，一个需要用户输入包含返回结果的object数组，而另一个由函数帮助用户创建这个数组。为什么需要两个方法呢？它们的语义有什么不同吗（如果有不同的话）？它们都可能抛出之前见到过的retriesexhaustedwithdetailsexception，所以关键的不同在于：

上面这个方法让用户可以访问部分结果，而下面这个方法不行：

后面这个方法如果抛出异常的话，不会有任何返回结果，因为新结果数组返回之前，控制流就中断了。

而之前的方法会先向用户提供的数组中填充数据，然后再抛出异常。例3.16的代码就采用了前一种方法，并提交了结果数组。下面是一些batch()方法特性的汇总。

两种方法的共同点

get、put和delete都支持。如果执行时出现问题，客户端将抛出异常并报告问题。它们都不使用客户端写缓冲区。

能够访问成功操作的结果，同时也可以获取远程远程什么需要两个方法呢？他失败时的异常。

只返回客户端异常，不能访问程序执行中的部分结果。

文字在检查结果之前，所有的批量处理操作都被执行了：即使用户收到一个操作的异常，其他操作也都已经执行了。不过，在最坏的情况下，可能所有操作都会返回异常。

另外，批量处理可以感知暂时性错误，例如notservingregionexception（表明一个region已经被移动）会多次重试这个操作。用户可以通过调整hbase.client.retries.number配置项（默认是10）来增加或减少重试次数。