前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到教程。

界面操作说明
进入hue中的hbase

进入表的查询界面

界面说明

查询语句
,表示结束查询，可以不加

主键查询
输入主键 rowkey1,rowkey2
说明：只输入主键查询
例1：00000051|1538229142
例2：00000051|1538229142,00000051|1538230148

根据主键的前缀查询 row_prefix*,
说明：根据主键的前几位进行模糊查询，默认只显示一条数据；通过 +n-1 来显示n条数据
例1：00000051|*
例2：显示10条数据 00000051|* +9

查询列族和列名
[colFamily:col1,colFamily:col2,colFamily:,col3,col_prefix*+(n-1),col1 to col2]
说明：colFamily表示列族,col表示列名, colFamily: 表示显示该列族下所有列, <col_prefix>*+(n-1) 根据列名模糊查询,col1 to col2显示col1到col2之间的列
例1：00000051|* +9 [i:ts,i:path]

例2：00000051|* +9 [i:p*+3]

例3：00000051|1538229142,00000051|1538230148[elapse to path]

根据条件过滤查询
{filter() AND/OR filter()}
个人意见：substring筛选时使用=来筛选，否则会出错;binary筛选时可以用=、>=、<=等操作

根据主键进行过滤
RowFilter(=,'substring:111') 主键中包含111
RowFilter(=,'binary:111') 主键等于111
PrefixFilter('user1') 主键的前缀是user1

根据列进行过滤
列名过滤
QualifierFilter (=, 'substring:p') 列名中包含p
QualifierFilter (=, 'binary:p') 列名等于p
MultipleColumnPrefixFilter('a','b','e') 列名的前缀是a或者b或者e
ColumnPrefixFilter('c2') 列名的前缀是c2

列值过滤
SingleColumnValueFilter('i', 'path', =, 'substring:student') 列族为i,列名为path,列值包含student
SingleColumnValueFilter('i', 'path', =, 'binary:student') 列族为i,列名为path,列值等于student
ValueFilter(=,'substring:111') 列值中包含111
ValueFilter(=,'binary:111') 列值等于111

以上过滤器是大部分常用的过滤器，在hue-hbase中另有一些过滤器未在此文档中描述。
以下是我自己整理的一部分参考语法：

hbase中有单纯根据列值查询的ValueFilter和根据列名和列值查询的SingleColumnValueFilter，可根据需要选择。
下表中是按照根据列名和列值来进行查询的参考

SQL    hue_hbase
select col1,col2    [col1,col2]
where col1="student"    SingleColumnValueFilter('i', 'col1', =, 'binary:student')
where col1 like "%body%"    SingleColumnValueFilter('i', 'col1', =, 'substring:body')
where col1>=1.9    SingleColumnValueFilter('i', 'col1', >=, 'binary:1.9')
where col1="student" AND col2>1.9    SingleColumnValueFilter('i', 'col1', =, 'binary:student') AND SingleColumnValueFilter('i', 'col2', >, 'binary:1.9')
where col1="student" OR col2>1.9    SingleColumnValueFilter('i', 'col1', =, 'binary:student') OR SingleColumnValueFilter('i', 'col2', >, 'binary:1.9')
参考：https://www.cnblogs.com/fengzzi/p/10033093.html

https://blog.csdn.net/u012551524/article/details/78918295?utm_source=blogxgwz3


原文链接：https://blog.csdn.net/lvtula/article/details/89707937

 

PS 我的使用方法为：( 查询 data_time 列中包含值为 2014 的行。)