版本：
Python：3.6.4 与 2.7.3 均适配
一、hbase表介绍
- 表名：people
- 列族：basic_info、other_info
- rowkey：随机的两位数 + 当前时间戳，并要确保该rowkey在表数据中唯一。
- 列定义：name、age、sex、edu、tel、email、country。
二、实现
-
rowkey：
- 随机的两位数：使用random.randint(00, 99)，然后使用 zfill(2) 补位，比如数字“1”补位为”01”。
- 生成当前时间的13位时间戳：int(time.time())
- rowkey为 随机的两位数 与 时间戳 拼凑而成，并确保rowkey唯一。
-
name：
- 使用 string.capwords() 将字符串首字母大写，其余字母小写。
- 使用 random.sample() 截取指定位数的任意字符串 作为 name
-
age：
- random.randint(18, 60) ：18 ~ 60岁
-
sex：
- random.choice()
-
edu：
- random.choice()
-
telphone：
- random.choice() 与 random.sample() 的联合使用
-
email：
- random.sample() 与 random.choice() 的联合使用
-
country：
- random.choice()
三、代码
以下为 python 生成 hbase 测试数据的全部代码，generatedata.py 文件内容如下：
# -- coding: utf-8 --
###########################################
# rowkey：随机的两位数 + 当前时间戳，并要确保该rowkey在表数据中唯一。
# 列定义：name、age、sex、edu、tel、email、country。
# 0001,tom,17,man,,176xxxxxxxx,,China
# 0002,mary,23,woman,college,,[email protected],Japan
# 0003,sam,18,man,middle,132xxxxxxxx,,America
# 0004,Sariel,26,,college,178xxxxxxxx,[email protected],China
###########################################
import random
import string
import sys
# 大小写字母
alphabet_upper_list = string.ascii_uppercase
alphabet_lower_list = string.ascii_lowercase
# 随机生成指定位数的字符串
def get_random(instr, length):
# 从指定序列中随机获取指定长度的片段并组成数组，例如:['a', 't', 'f', 'v', 'y']
res = random.sample(instr, length)
# 将数组内的元素组成字符串
result = ''.join(res)
return result
# 创建名字
def get_random_name(length):
name = string.capwords(get_random(alphabet_lower_list, length))
return name
# 获取年龄
def get_random_age():
return str(random.randint(18, 60))
# 获取性别
def get_random_sex():
return random.choice(["woman", "man"])
# 获取学历
def get_random_edu():
edu_list = ["primary", "middle", "college", "master", "court academician"]
return random.choice(edu_list)
# 获取电话号码
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))
# 获取邮箱名
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)
# 获取国籍
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:
# 获取00~99的两位数字，包含00与99
num = random.randint(00, 99)
# 获取当前10位的时间戳
timestamp = int(time.time())
# str(num).zfill(2)为字符串不满足2位，自动将该字符串补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
# 生成一条数据
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()
# 将记录写到文本中
def write_record_to_file():
# 覆盖文件内容，重新写入
f = open(sys.argv[1], 'w')
i = 0
while i < int(sys.argv[2]):
record = get_random_record()
f.write(record)
# 换行写入
f.write('\n')
i += 1
print("完成{0}条数据存储".format(i))
f.close()
if __name__ == "__main__":
write_record_to_file()
输出 100000 条数据到 /tmp/hbase_data.txt 文件中，执行以下命令：
python generatedata.py /tmp/hbase_data.txt 100000
参数解释：
- 要执行的 python 文件：generatedata.py
- 文件输出路径：/tmp/hbase_data.txt
- 100000：要生成数据的总数量
为避免数据过大导致热点和数据倾斜问题，预先设置 HBase 表为10个 Region，对应表的创建命令为：
create 'default:people', {NAME=>'basic_info'}, {NAME=>'other_info'}, SPLITS=>['10|','20|','30|','40|','50|','60|','70|','80|','90|']
接下来我们可以利用这份测试数据对 HBase 相关功能进行测试与练习。
