经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 大数据/云/AI » Hadoop » 查看文章
Hadoop学习(5)-HBASE的安装和命令行操作和java操作
来源:cnblogs  作者:两千个秘密  时间:2019/7/29 9:03:18  对本文有异议

使用HABSE之前,要先安装一个zookeeper

zookeeper是干嘛的呢

Zookeeper的作用
1.可以为客户端管理少量的数据kv
key:是以路径的形式表示的,那就意味着,各key之间有父子关系,比如
/ 是顶层key
用户建的key只能在/ 下作为子节点,比如建一个key: /aa 这个key可以带value数据
也可以建一个key: /bb
也可以建key: /aa/xx

 

 

2.可以为客户端监听指定数据节点的状态,并在数据节点发生变化是,通知客户端

 


Zookeeper 安装步骤
把包上传linux后解压到apps/
[root@hdp-01 ~]# tar -zxvf zookeeper-3.4.6.tar.gz -C apps/
/root/apps/zookeeper-3.4.6/conf下该配置文件
[root@hdp-01 conf]# cp zoo_sample.cfg zoo.cfg
然后vim zoo.cfg
更改为
dataDir=/root/zkdata
最后添加
server.1=hdp-01:2888:3888
server.2=hdp-02:2888:3888
server.3=hdp-03:2888:3888
server.4=hdp-04:2888:3888
接着,在hdp-01上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为1
接着,在hdp-02上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为2
接着,在hdp-03上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为3
接着,在hdp-04上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为4
然后将zookeeper scp给其他机器
启动
[root@hdp-01 ~]# /root/apps/zookeeper-3.4.6/bin/zkServer.sh start
查看状态
[root@hdp-01 ~]# /root/apps/zookeeper-3.4.6/bin/zkServer.sh status

可以自己写一个脚本进行启动名字叫zkmanage.sh
用的时候后面跟上参数,传入$1.
sh ./zkmanage.sh start
或者关闭的时候
sh ./zkmanager.sh stop
脚本代码如下

  1. #!/bin/bash
  2. for host in hdp-01 hdp-02 hdp-03 hdp-04
  3. do
  4. echo "${host}:starting...."
  5. ssh $host "/root/apps/zookeeper-3.4.6/bin/zkServer.sh $1"
  6. done
  7. sleep 2
  8. for host in hdp-01 hdp-02 hdp-03 hdp-04
  9. do
  10. ssh $host "/root/apps/zookeeper-3.4.6/bin/zkServer.sh status"
  11. done

注意一点,如果有的结点没有启动,一定要看一下是不是这几台机器的时间是不是不对应,如果差别太大是启动不起来的。f**k.

简单补充一点就是,启动之后,这几台机器,有的当leader,有的当follower,只有一个leader,他们谁当leader是根据他们 '投票的形式'的决定的。

只有一个leader

 

先简单介绍一下HBASE

HBASE是一个数据库----可以提供数据的实时随机读写

他是一个nosql数据库,并不是结构化的,他只能粗略的进行一些查询,像多表之间的连接查询他是很难做到的(至少我这辣鸡不会)。

我也是第一次接触这种nosql,人家的表结构不太一样,就是啥吧,

他有一个行健(类似于主键的东西)

然后剩下的就是你可以定义有几个列族

每个列族里面,

列族里面都是一个一个的key,value值。一对kv,称作一个cell。
每一个value又可以有多个值,并不是一个

 

 

 

l  Hbase的表模型与关系型数据库的表模型不同:

l  Hbase的表没有固定的字段定义;

l  Hbase的表中每行存储的都是一些key-value对

l  Hbase的表中有列族的划分,用户可以指定将哪些kv插入哪个列族

l  Hbase的表在物理存储上,是按照列族来分割的,不同列族的数据一定存储在不同的文件中

l  Hbase的表中的每一行都固定有一个行键,而且每一行的行键在表中不能重复

l  Hbase中的数据,包含行键,包含key,包含value,都是byte[ ]类型,hbase不负责为用户维护数据类型

l  HBASE对事务的支持很差

 

Hbase的表数据存储在HDFS文件系统中

HBASE是一个分布式系统

其中有一个管理角色:  HMaster(一般2台,一台active,一台backup)

其他的数据节点角色:  HRegionServer(很多台,看数据容量)

 

master用来配置数据储存和任务的分配,

regionserver管理着每一张表的区域数据

 

Regionserver管理着每一个的文件的范围,Zookeeper用来检测regionserver是否挂掉,master用来控制任务的分发。就是当regionserver挂掉了,如何找人接替他的任务。

 

HBASE的大体工作机制是这样婶的

客户端怎么知道数据在哪台服务器,他会先查找那个索引表,hbase:meta表

那这个表在哪呢,

在zookeeper里面可以看到这个索引表的信息

这个东西是放到zookeeper里面,先看zookeeper的meta、变所在的regionserver,然后去访问它知道他的信息在哪

 

 

 

然后使用HBASE的话你要先有自己的Hadoop集群,保证hdfs是正常的,还有zookeeper是正常的,就这两点。

 安装还是很简单的

解压hbase安装包

修改hbase-env.sh

export JAVA_HOME=/root/apps/jdk1.7.0_67

export HBASE_MANAGES_ZK=false

 

修改hbase-site.xml

         <configuration>

                   <!-- 指定hbase在HDFS上存储的路径 -->

        <property>

                <name>hbase.rootdir</name>

                <value>hdfs://hdp-01:9000/hbase</value>

        </property>

                   <!-- 指定hbase是分布式的 -->

        <property>

                <name>hbase.cluster.distributed</name>

                <value>true</value>

        </property>

                   <!-- 指定zk的地址,多个用“,”分割 -->

        <property>

                <name>hbase.zookeeper.quorum</name>

                <value>hdp-01:2181,hdp-02:2181,hdp-03:2181,hdp-04:2181</value>

        </property>

         </configuration>

 

 

修改 regionservers

hdp-01

hdp-02

hdp-03

hdp-04

bin/start-hbase.sh

启动完后,还可以在集群中找任意一台机器启动一个备用的master

 

bin/hbase-daemon.sh start master

新启的这个master会处于backup状态

如果报错了,在这看错误,注意时间错误、

 

 

HBASE的对外端口是16010

同时也可以启动一个备用的master,在启动之后,随便在一台机器上,

Bin/hbase-daemon.sh start master

同时也可以试着访问这个页面

 

 

这hbase的系统表记录的是数据的索引表,记录哪个范围的数据储存在哪个regionserver  

3. 启动hbase的命令行客户端

bin/hbase shell

Hbase> list     // 查看表

Hbase> status   //  查看集群状态

Hbase> version  // 查看集群版本

 

1.1. HBASE表模型

hbase的表模型跟mysql之类的关系型数据库的表模型差别巨大

hbase的表模型中有:行的概念;但没有字段的概念

行中存的都是key-value对,每行中的key-value对中的key可以是各种各样,每行中的key-value对的数量也可以是各种各样

1.1.1.   hbase表模型的要点:

1、一个表,有表名

2、一个表可以分为多个列族(不同列族的数据会存储在不同文件中)

3、表中的每一行有一个“行键rowkey”,而且行键在表中不能重复

4、表中的每一对kv数据称作一个cell

5、hbase可以对数据存储多个历史版本(历史版本数量可配置)

6、整张表由于数据量过大,会被横向切分成若干个region(用rowkey范围标识),不同region的数据也存储在不同文件中

 

7、hbase会对插入的数据按顺序存储:

要点一:首先会按行键排序

要点二:同一行里面的kv会按列族排序,再按k排序

 

1.1. hbase命令行客户端操作

1.1.1.1.       建表:

create 't_user_info','base_info','extra_info'

         表名      列族名   列族名

 

 

1.1.1.2.       插入数据:

hbase(main):011:0> put 't_user_info','001','base_info:username','zhangsan'

0 row(s) in 0.2420 seconds

 

hbase(main):012:0> put 't_user_info','001','base_info:age','18'

0 row(s) in 0.0140 seconds

 

hbase(main):013:0> put 't_user_info','001','base_info:sex','female'

0 row(s) in 0.0070 seconds

 

hbase(main):014:0> put 't_user_info','001','extra_info:career','it'

0 row(s) in 0.0090 seconds

 

hbase(main):015:0> put 't_user_info','002','extra_info:career','actoress'

0 row(s) in 0.0090 seconds

 

hbase(main):016:0> put 't_user_info','002','base_info:username','liuyifei'

0 row(s) in 0.0060 seconds

 

 

1.1.1.3.       查询数据方式一:scan 扫描

hbase(main):017:0> scan 't_user_info'

ROW                               COLUMN+CELL                                                                                    

 001                              column=base_info:age, timestamp=1496567924507, value=18                                        

 001                              column=base_info:sex, timestamp=1496567934669, value=female                                    

 001                              column=base_info:username, timestamp=1496567889554, value=zhangsan                             

 001                              column=extra_info:career, timestamp=1496567963992, value=it                                    

 002                              column=base_info:username, timestamp=1496568034187, value=liuyifei                             

 002                              column=extra_info:career, timestamp=1496568008631, value=actoress                              

2 row(s) in 0.0420 seconds

 

1.1.1.4.       查询数据方式二:get 单行数据

hbase(main):020:0> get 't_user_info','001'

COLUMN                            CELL                                                                                           

 base_info:age                    timestamp=1496568160192, value=19                                                               

 base_info:sex                    timestamp=1496567934669, value=female                                                          

 base_info:username               timestamp=1496567889554, value=zhangsan                                                        

 extra_info:career                timestamp=1496567963992, value=it                                                              

4 row(s) in 0.0770 seconds

 

1.1.1.5.       删除一个kv数据

hbase(main):021:0> delete 't_user_info','001','base_info:sex'

0 row(s) in 0.0390 seconds

 

删除整行数据:

hbase(main):024:0> deleteall 't_user_info','001'

0 row(s) in 0.0090 seconds

 

hbase(main):025:0> get 't_user_info','001'

COLUMN                            CELL                                                                                           

0 row(s) in 0.0110 seconds

 

1.1.1.6.       删除整个表:

hbase(main):028:0> disable 't_user_info'

0 row(s) in 2.3640 seconds

 

hbase(main):029:0> drop 't_user_info'

0 row(s) in 1.2950 seconds

 

hbase(main):030:0> list

TABLE                                                                                                                            

0 row(s) in 0.0130 seconds

 

=> []

 

1.1.  Hbase重要特性--排序特性(行键)

插入到hbase中去的数据,hbase会自动排序存储:

排序规则:  首先看行键,然后看列族名,然后看列(key)名; 按字典顺序

 

Hbase的这个特性跟查询效率有极大的关系

比如:一张用来存储用户信息的表,有名字,户籍,年龄,职业....等信息

然后,在业务系统中经常需要:

查询某个省的所有用户

经常需要查询某个省的指定姓的所有用户

 

思路:如果能将相同省的用户在hbase的存储文件中连续存储,并且能将相同省中相同姓的用户连续存储,那么,上述两个查询需求的效率就会提高!!!

 

做法:将查询条件拼到rowkey内

 

当我们创建一个表之后,按道理说应该是可以在hdfs里面查看到数据的。但是。。。。

 

这里面没有数据,却能查到,那么数据到底存在哪呢,这些数据会存在内存中,这块内存空间叫做memstore,因为这样会快一点,他会把热数据放到这里面,就是刚刚访问过的数据,他会先放到内存中,但如果这时候宕机了怎么办,数据会丢吗,不会丢,他一方面会写数据,一方面会写日志,放在hdfs的日志目录里

当内存中写满了,就会写到hdfs里

可以试一下,当你停一下,你就会发现hdfs里面就有数据了

 

布隆过滤器的功能:判断一个数据以前是否出现过

布隆过滤器的原理:把一个数据通过算法转化成只有01的二进制数据,

然后用一个比较大的数组来存,每一个数据的01都存到这个数组里面,注意他们是相互叠加的比如一个数据1位置有1,3位置有1,另一个数据1位置有1,4位置有1,那么加入后就是1位置有1,3位置有1,4位置有1,如果再来一个数据的01,1位置有1,5位置有1,那么可以判断,这个数据是从来没有出现过的,

所以布隆过滤器一个可以判断出没有出现过的数据,

而他判断出出现过的数据却有可能是没出现过的。

 

他在HBASE的应用啊,比如说,region Server管理的一个表的列族,他的真实存放位置是hdfs,在hdfs的某个目录下。而且他这个列族文件不止一个,比如,当这个列族的数据改变的时候,他会生成一个新的文件,因为他没发修改hdfs里的文件,或者就算不改,列族里有许许多多的key,value,他们也会放在这个目录下的不同文件里面

每个文件都有个布隆过滤器,它是由这个文件kv的二进制值决定,当你要查询一个数据的话,他会先那这个数据的二进制值和某个文件的布隆过滤器比一下,如果匹配了,他就会找这个文件

 

 关于java的一些api

 

  1. import org.apache.hadoop.conf.Configuration;
  2. import org.apache.hadoop.hbase.HBaseConfiguration;
  3. import org.apache.hadoop.hbase.HColumnDescriptor;
  4. import org.apache.hadoop.hbase.HTableDescriptor;
  5. import org.apache.hadoop.hbase.TableName;
  6. import org.apache.hadoop.hbase.client.Admin;
  7. import org.apache.hadoop.hbase.client.Connection;
  8. import org.apache.hadoop.hbase.client.ConnectionFactory;
  9. import org.apache.hadoop.hbase.regionserver.BloomType;
  10. import org.junit.Before;
  11. import org.junit.Test;
  12. /**
  13. *
  14. * 1、构建连接
  15. * 2、从连接中取到一个表DDL操作工具admin
  16. * 3、admin.createTable(表描述对象);
  17. * 4、admin.disableTable(表名);
  18. 5、admin.deleteTable(表名);
  19. 6、admin.modifyTable(表名,表描述对象);
  20. *
  21. * @author hunter.d
  22. *
  23. */
  24. public class HbaseClientDDL {
  25. Connection conn = null;
  26. @Before
  27. public void getConn() throws Exception{
  28. // 构建一个连接对象
  29. Configuration conf = HBaseConfiguration.create(); // 会自动加载hbase-site.xml
  30. conf.set("hbase.zookeeper.quorum", "hdp-01:2181,hdp-02:2181,hdp-03:2181,hdp-04:2181");
  31. conn = ConnectionFactory.createConnection(conf);
  32. }
  33. /**
  34. * DDL
  35. * @throws Exception
  36. */
  37. @Test
  38. public void testCreateTable() throws Exception{
  39. // 从连接中构造一个DDL操作器
  40. Admin admin = conn.getAdmin();
  41. // 创建一个表定义描述对象
  42. HTableDescriptor hTableDescriptor = new HTableDescriptor(TableName.valueOf("user_info"));
  43. // 创建列族定义描述对象
  44. HColumnDescriptor hColumnDescriptor_1 = new HColumnDescriptor("base_info");
  45. hColumnDescriptor_1.setMaxVersions(3); // 设置该列族中存储数据的最大版本数,默认是1
  46. HColumnDescriptor hColumnDescriptor_2 = new HColumnDescriptor("extra_info");
  47. // 将列族定义信息对象放入表定义对象中
  48. hTableDescriptor.addFamily(hColumnDescriptor_1);
  49. hTableDescriptor.addFamily(hColumnDescriptor_2);
  50. // 用ddl操作器对象:admin 来建表
  51. admin.createTable(hTableDescriptor);
  52. // 关闭连接
  53. admin.close();
  54. conn.close();
  55. }
  56. /**
  57. * 删除表
  58. * @throws Exception
  59. */
  60. @Test
  61. public void testDropTable() throws Exception{
  62. Admin admin = conn.getAdmin();
  63. // 停用表
  64. admin.disableTable(TableName.valueOf("user_info"));
  65. // 删除表
  66. admin.deleteTable(TableName.valueOf("user_info"));
  67. admin.close();
  68. conn.close();
  69. }
  70. // 修改表定义--添加一个列族
  71. @Test
  72. public void testAlterTable() throws Exception{
  73. Admin admin = conn.getAdmin();
  74. // 取出旧的表定义信息
  75. HTableDescriptor tableDescriptor = admin.getTableDescriptor(TableName.valueOf("user_info"));
  76. // 新构造一个列族定义
  77. HColumnDescriptor hColumnDescriptor = new HColumnDescriptor("other_info");
  78. hColumnDescriptor.setBloomFilterType(BloomType.ROWCOL); // 设置该列族的布隆过滤器类型
  79. // 将列族定义添加到表定义对象中
  80. tableDescriptor.addFamily(hColumnDescriptor);
  81. // 将修改过的表定义交给admin去提交
  82. admin.modifyTable(TableName.valueOf("user_info"), tableDescriptor);
  83. admin.close();
  84. conn.close();
  85. }
  86. /**
  87. * DML -- 数据的增删改查
  88. */
  89. }

 

  1. import java.util.ArrayList;
  2. import java.util.Iterator;
  3. import org.apache.hadoop.conf.Configuration;
  4. import org.apache.hadoop.hbase.Cell;
  5. import org.apache.hadoop.hbase.CellScanner;
  6. import org.apache.hadoop.hbase.HBaseConfiguration;
  7. import org.apache.hadoop.hbase.TableName;
  8. import org.apache.hadoop.hbase.client.Connection;
  9. import org.apache.hadoop.hbase.client.ConnectionFactory;
  10. import org.apache.hadoop.hbase.client.Delete;
  11. import org.apache.hadoop.hbase.client.Get;
  12. import org.apache.hadoop.hbase.client.Put;
  13. import org.apache.hadoop.hbase.client.Result;
  14. import org.apache.hadoop.hbase.client.ResultScanner;
  15. import org.apache.hadoop.hbase.client.Scan;
  16. import org.apache.hadoop.hbase.client.Table;
  17. import org.apache.hadoop.hbase.util.Bytes;
  18. import org.junit.Before;
  19. import org.junit.Test;
  20. public class HbaseClientDML {
  21. Connection conn = null;
  22. @Before
  23. public void getConn() throws Exception{
  24. // 构建一个连接对象
  25. Configuration conf = HBaseConfiguration.create(); // 会自动加载hbase-site.xml
  26. conf.set("hbase.zookeeper.quorum", "hdp-01:2181,hdp-02:2181,hdp-03:2181");
  27. conn = ConnectionFactory.createConnection(conf);
  28. }
  29. /**
  30. * 增
  31. * 改:put来覆盖
  32. * @throws Exception
  33. */
  34. @Test
  35. public void testPut() throws Exception{
  36. // 获取一个操作指定表的table对象,进行DML操作
  37. Table table = conn.getTable(TableName.valueOf("user_info"));
  38. // 构造要插入的数据为一个Put类型(一个put对象只能对应一个rowkey)的对象
  39. Put put = new Put(Bytes.toBytes("001"));
  40. put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("张三"));
  41. put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("18"));
  42. put.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("北京"));
  43. Put put2 = new Put(Bytes.toBytes("002"));
  44. put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("李四"));
  45. put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("28"));
  46. put2.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("上海"));
  47. ArrayList<Put> puts = new ArrayList<>();
  48. puts.add(put);
  49. puts.add(put2);
  50. // 插进去
  51. table.put(puts);
  52. table.close();
  53. conn.close();
  54. }
  55. /**
  56. * 循环插入大量数据
  57. * @throws Exception
  58. */
  59. @Test
  60. public void testManyPuts() throws Exception{
  61. Table table = conn.getTable(TableName.valueOf("user_info"));
  62. ArrayList<Put> puts = new ArrayList<>();
  63. for(int i=0;i<100000;i++){
  64. Put put = new Put(Bytes.toBytes(""+i));
  65. put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("张三"+i));
  66. put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes((18+i)+""));
  67. put.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("北京"));
  68. puts.add(put);
  69. }
  70. table.put(puts);
  71. }
  72. /**
  73. * 删
  74. * @throws Exception
  75. */
  76. @Test
  77. public void testDelete() throws Exception{
  78. Table table = conn.getTable(TableName.valueOf("user_info"));
  79. // 构造一个对象封装要删除的数据信息
  80. Delete delete1 = new Delete(Bytes.toBytes("001"));
  81. Delete delete2 = new Delete(Bytes.toBytes("002"));
  82. delete2.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"));
  83. ArrayList<Delete> dels = new ArrayList<>();
  84. dels.add(delete1);
  85. dels.add(delete2);
  86. table.delete(dels);
  87. table.close();
  88. conn.close();
  89. }
  90. /**
  91. * 查
  92. * @throws Exception
  93. */
  94. @Test
  95. public void testGet() throws Exception{
  96. Table table = conn.getTable(TableName.valueOf("user_info"));
  97. Get get = new Get("001".getBytes());
  98. Result result = table.get(get);
  99. // 从结果中取用户指定的某个key的value
  100. byte[] value = result.getValue("base_info".getBytes(), "age".getBytes());
  101. System.out.println(new String(value));
  102. System.out.println("-------------------------");
  103. // 遍历整行结果中的所有kv单元格
  104. CellScanner cellScanner = result.cellScanner();
  105. while(cellScanner.advance()){
  106. Cell cell = cellScanner.current();
  107. byte[] rowArray = cell.getRowArray(); //本kv所属的行键的字节数组
  108. byte[] familyArray = cell.getFamilyArray(); //列族名的字节数组
  109. byte[] qualifierArray = cell.getQualifierArray(); //列名的字节数据
  110. byte[] valueArray = cell.getValueArray(); // value的字节数组
  111. System.out.println("行键: "+new String(rowArray,cell.getRowOffset(),cell.getRowLength()));
  112. System.out.println("列族名: "+new String(familyArray,cell.getFamilyOffset(),cell.getFamilyLength()));
  113. System.out.println("列名: "+new String(qualifierArray,cell.getQualifierOffset(),cell.getQualifierLength()));
  114. System.out.println("value: "+new String(valueArray,cell.getValueOffset(),cell.getValueLength()));
  115. }
  116. table.close();
  117. conn.close();
  118. }
  119. /**
  120. * 按行键范围查询数据
  121. * @throws Exception
  122. */
  123. @Test
  124. public void testScan() throws Exception{
  125. Table table = conn.getTable(TableName.valueOf("user_info"));
  126. // 包含起始行键,不包含结束行键,但是如果真的想查询出末尾的那个行键,那么,可以在末尾行键上拼接一个不可见的字节(\000)
  127. Scan scan = new Scan("10".getBytes(), "10000\001".getBytes());
  128. ResultScanner scanner = table.getScanner(scan);
  129. Iterator<Result> iterator = scanner.iterator();
  130. while(iterator.hasNext()){
  131. Result result = iterator.next();
  132. // 遍历整行结果中的所有kv单元格
  133. CellScanner cellScanner = result.cellScanner();
  134. while(cellScanner.advance()){
  135. Cell cell = cellScanner.current();
  136. byte[] rowArray = cell.getRowArray(); //本kv所属的行键的字节数组
  137. byte[] familyArray = cell.getFamilyArray(); //列族名的字节数组
  138. byte[] qualifierArray = cell.getQualifierArray(); //列名的字节数据
  139. byte[] valueArray = cell.getValueArray(); // value的字节数组
  140. System.out.println("行键: "+new String(rowArray,cell.getRowOffset(),cell.getRowLength()));
  141. System.out.println("列族名: "+new String(familyArray,cell.getFamilyOffset(),cell.getFamilyLength()));
  142. System.out.println("列名: "+new String(qualifierArray,cell.getQualifierOffset(),cell.getQualifierLength()));
  143. System.out.println("value: "+new String(valueArray,cell.getValueOffset(),cell.getValueLength()));
  144. }
  145. System.out.println("----------------------");
  146. }
  147. }
  148. }

 

 

 

 

 

 

原文链接:http://www.cnblogs.com/wpbing/p/11254179.html

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号