版本：
Python：3.6.4 與 2.7.3 均適配
一、hbase表介紹
- 表名：people
- 列族：basic_info、other_info
- rowkey：隨機的兩位數 + 當前時間戳，并要確保該rowkey在表數據中唯一。
- 列定義：name、age、sex、edu、tel、email、country。
二、實現
-
rowkey：
- 隨機的兩位數：使用random.randint(00, 99)，然后使用 zfill(2) 補位，比如數字“1”補位為”01”。
- 生成當前時間的13位時間戳：int(time.time())
- rowkey為 隨機的兩位數 與 時間戳 拼湊而成，并確保rowkey唯一。
-
name：
- 使用 string.capwords() 將字符串首字母大寫，其余字母小寫。
- 使用 random.sample() 截取指定位數的任意字符串 作為 name
-
age：
- random.randint(18, 60) ：18 ~ 60歲
-
sex：
- random.choice()
-
edu：
- random.choice()
-
telphone：
- random.choice() 與 random.sample() 的聯合使用
-
email：
- random.sample() 與 random.choice() 的聯合使用
-
country：
- random.choice()
三、代碼
以下為 python 生成 hbase 測試數據的全部代碼，generatedata.py 文件內容如下：
# -- coding: utf-8 --
###########################################
# rowkey：隨機的兩位數 + 當前時間戳，并要確保該rowkey在表數據中唯一。
# 列定義：name、age、sex、edu、tel、email、country。
# 0001,tom,17,man,,176xxxxxxxx,,China
# 0002,mary,23,woman,college,,cdsvo@163.com,Japan
# 0003,sam,18,man,middle,132xxxxxxxx,,America
# 0004,Sariel,26,,college,178xxxxxxxx,12345@126.com,China
###########################################
import
random
import
string
import
sys
# 大小寫字母
alphabet_upper_list
=
string
.
ascii_uppercase
alphabet_lower_list
=
string
.
ascii_lowercase
# 隨機生成指定位數的字符串
def
get_random
(
instr
,
length
)
:
# 從指定序列中隨機獲取指定長度的片段并組成數組，例如:['a', 't', 'f', 'v', 'y']
res
=
random
.
sample
(
instr
,
length
)
# 將數組內的元素組成字符串
result
=
''
.
join
(
res
)
return
result
# 創建名字
def
get_random_name
(
length
)
:
name
=
string
.
capwords
(
get_random
(
alphabet_lower_list
,
length
)
)
return
name
# 獲取年齡
def
get_random_age
(
)
:
return
str
(
random
.
randint
(
18
,
60
)
)
# 獲取性別
def
get_random_sex
(
)
:
return
random
.
choice
(
[
"woman"
,
"man"
]
)
# 獲取學歷
def
get_random_edu
(
)
:
edu_list
=
[
"primary"
,
"middle"
,
"college"
,
"master"
,
"court academician"
]
return
random
.
choice
(
edu_list
)
# 獲取電話號碼
def
get_random_tel
(
)
:
pre_list
=
[
"130"
,
"131"
,
"132"
,
"133"
,
"134"
,
"135"
,
"136"
,
"137"
,
"138"
,
"139"
,
"147"
,
"150"
,
"151"
,
"152"
,
"153"
,
"155"
,
"156"
,
"157"
,
"158"
,
"159"
,
"186"
,
"187"
,
"188"
]
return
random
.
choice
(
pre_list
)
+
''
.
join
(
random
.
sample
(
'0123456789'
,
8
)
)
# 獲取郵箱名
def
get_random_email
(
length
)
:
alphabet_list
=
alphabet_lower_list
+
alphabet_upper_list
email_list
=
[
"163.com"
,
"126.com"
,
"qq.com"
,
"gmail.com"
]
return
get_random
(
alphabet_list
,
length
)
+
"@"
+
random
.
choice
(
email_list
)
# 獲取國籍
def
get_random_country
(
)
:
country_list
=
[
"Afghanistan"
,
"Anguilla"
,
"Australie"
,
"Barbados"
,
"China"
,
"Brisil"
,
"Colombie"
,
"France"
,
"Irlande"
,
"Russie"
,
"Suisse"
,
"America"
,
"Zaire"
,
"Vanuatu"
,
"Turquie"
,
"Togo"
,
"Suisse"
,
"Sri Lanka"
,
"Porto Rico"
,
"Pirou"
]
return
random
.
choice
(
country_list
)
# 放置生成的并且不存在的rowkey
rowkey_tmp_list
=
[
]
# 制作rowkey
def
get_random_rowkey
(
)
:
import
time
pre_rowkey
=
""
while
True
:
# 獲取00~99的兩位數字，包含00與99
num
=
random
.
randint
(
00
,
99
)
# 獲取當前10位的時間戳
timestamp
=
int
(
time
.
time
(
)
)
# str(num).zfill(2)為字符串不滿足2位，自動將該字符串補0
pre_rowkey
=
str
(
num
)
.
zfill
(
2
)
+
str
(
timestamp
)
if
pre_rowkey
not
in
rowkey_tmp_list
:
rowkey_tmp_list
.
append
(
pre_rowkey
)
break
return
pre_rowkey
# 生成一條數據
def
get_random_record
(
)
:
return
get_random_rowkey
(
)
+
","
+
get_random_name
(
5
)
+
","
+
get_random_age
(
)
+
","
+
get_random_sex
(
)
+
","
+
get_random_edu
(
)
+
","
+
get_random_tel
(
)
+
","
+
get_random_email
(
10
)
+
","
+
get_random_country
(
)
# 將記錄寫到文本中
def
write_record_to_file
(
)
:
# 覆蓋文件內容，重新寫入
f
=
open
(
sys
.
argv
[
1
]
,
'w'
)
i
=
0
while
i
<
int
(
sys
.
argv
[
2
]
)
:
record
=
get_random_record
(
)
f
.
write
(
record
)
# 換行寫入
f
.
write
(
'\n'
)
i
+=
1
print
(
"完成{0}條數據存儲"
.
format
(
i
)
)
f
.
close
(
)
if
__name__
==
"__main__"
:
write_record_to_file
(
)
輸出 100000 條數據到 /tmp/hbase_data.txt 文件中，執行以下命令：
python generatedata.py /tmp/hbase_data.txt 100000
參數解釋：
- 要執行的 python 文件：generatedata.py
- 文件輸出路徑：/tmp/hbase_data.txt
- 100000：要生成數據的總數量
為避免數據過大導致熱點和數據傾斜問題，預先設置 HBase 表為10個 Region，對應表的創建命令為：
create
'default:people'
,
{
NAME
=
>
'basic_info'
}
,
{
NAME
=
>
'other_info'
}
, SPLITS
=
>
[
'10|'
,
'20|'
,
'30|'
,
'40|'
,
'50|'
,
'60|'
,
'70|'
,
'80|'
,
'90|'
]
接下來我們可以利用這份測試數據對 HBase 相關功能進行測試與練習。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
