我对过滤器在hbase中的工作方式感到困惑（或者，大体上相当于，在happybase中——我使用它与hbase交互）。我困惑的根源是我似乎无法理解过滤器的作用。
一些过滤器，比如 SingleColumnValueFilter ，使行不会基于其中一列的值发出。这是有道理的——在我看来，这就是过滤器的用途。但是，其他过滤器，如 FirstKeyOnlyFilter ，似乎不是按行过滤，而是按列过滤向请求者显示的数据，即按列过滤，如 columns 争论。不仅如此，它们似乎还影响其他过滤器是否能够访问数据。
也许我只是用错了。但是，对我来说，“过滤器”应该根据对其属性进行操作的输出来删除项目，比如“查找所有身高超过7英尺的人！”但是 FirstKeyOnlyFilter ，至少在hbase中，似乎更像是“给我每个人的左耳，不要别的！”此外，如果我有一个过滤器，如： SingleColumnValueFilter('body', 'height', =, 'regexstring:^over7ft$') AND FirstKeyOnlyFilter , FirstKeyOnlyFilter 似乎限制第一个筛选器访问列family:column "body:height".
这个设计选择是什么？上面的过滤器看起来像是在说，“给我一个7英尺高的人的名字！”相反，它说的更像是“如果名字有7英尺高的话，就把每个名字都告诉我吧！”行的第一个键没有列，就像名称可以说有“height”一样
我做错什么了？这是happybase的一个特性还是hbase本身的特性？
1条答案
按热度按时间csga3l581#
筛选器在每行中可用的列上都匹配。
正如您所注意到的，一些hbase过滤器限制返回给客户机的列。这是一种有意的设计选择，旨在减少客户端调用期间使用的内存和网络资源量。
回想一下，hbase实际上是一个rowkeyMap到一系列键值对（键值中的键称为列限定符）。它们并不是严格意义上的集合，因为底层数据抽象实际上是一个rowkey+columnqualifier值（单元格）。过滤器在单元级别工作。这也是为什么建议列限定符要短的原因，因为它们实际上与每一行/值一起存储。
这个
FirstKeyOnlyFilter被设计为返回尽可能少的数据，同时保持rowkey确实存在的知识和一些键值Map。它可以是返回的任何键值Map。或者，您可以使用
KeyOnlyFilter而不是FirstKeyOnlyFilter它将使与返回的每个列关联的值为空。这将使您能够根据需要进行匹配，同时最小化返回的数据。