HBase笔记–filter的使用

HBASE过滤器介绍：

所有的过滤器都在服务端生效，叫做谓语下推(predicate push down),这样可以保证被过滤掉的数据不会被传送到客户端。

注意：
        基于字符串的比较器，如RegexStringComparator和SubstringComparator，比基于字节的比较器更慢，更消耗资源。因为每次比较时它们都需要将给定的值转化为String.截取字符串子串和正则式的处理也需要花费额外的时间。

过滤器本来的目的是为了筛掉无用的信息，所有基于CompareFilter的过滤处理过程是返回匹配的值。

各种自定义过滤器： http://www.cnblogs.com/chshnan/archive/2013/03/27/2984143.html

HBase利用Scan对表进行扫描

Scan scan = new Scan();
ResultScanner scanner = table.getScanner(scan);
for (Result result : scanner) {//ResultScanner实现了Iterator接口
    //do something here
}  

可以使用如下方法对输出数据进行选择

    // 返回指定列族下的指定qualifier中的值
    public Scan addColumn(byte[] family, byte[] qualifier)
    // 设置扫描的起始行，starRow是存储时候用的rowKey
    public Scan setStartRow(byte[] startRow)
    // 设置扫描的结束行，stopRow是存储时候用的rowKey
    public Scan setStopRow(byte[] stopRow)
    // 设置返回结果的时间戳
    public Scan setTimeStamp(long timestamp)
    //设置返回结果的时间戳返回
    public Scan setTimeRange(long minStamp, long maxStamp)
    //设置过滤器，这是非常灵活的扫描机制
    public Scan setFilter(Filter filter)  

如何使用Filter

HBase提供了很多预装过滤器

1. RowFilter 行过滤器(基于行键过滤数据)
public RowFilter(CompareOp rowCompareOp, WritableByteArrayComparable rowComparator)
RowFilter是用来对rowkey进行过滤的,比较符如下:

例：
相关的过滤方法使用:
提取rowkey以01结尾数据
Filter filter = new RowFilter(CompareFilter.CompareOp.EQUAL,new RegexStringComparator(“.*01$”));

提取rowkey以包含201407的数据
Filter filter = new RowFilter(CompareFilter.CompareOp.EQUAL,new SubstringComparator(“201407”));

提取rowkey以123开头的数据
Filter filter = new RowFilter(CompareFilter.CompareOp.EQUAL,new BinaryPrefixComparator(“123”.getBytes()));

2. 前缀过滤器（RowFilter的特例）
String prefix = “a”;
Scan scan = new Scan(prefix.getBytes());
scan.setFilter(new PrefixFilter(prefix.getBytes()));

3. 限定符过滤器(类似于行过滤器RowFilter的比较过滤器，但它用来匹配列限定符而不是行键)
比较运算符和比较器类型与RowFilter一样

Filter filter = new QualifierFilter(CompareFilter.CompareOp.LESS_OR_EQUAL, new BinaryComparator(Bytes.toBytes(“colqual120”)));

4.ValueFilter  值过滤器(提供与行过滤器或限定符相同功能，只是针对的是单元值)

值过滤器不指定某个列，它会将所有含有某个值的列取出来，混在一起
Filter filter = new ValueFilter(CompareFilter.CompareOp.LESS_OR_EQUAL, new BinaryPrefixComparator(Bytes.toBytes(“foo”))); //过滤掉所有单元值不是foo开头的列

5. 时间戳过滤器

List<Long> timestamps = new ArrayList<Long>();
timestamps.add(100L);
timestamps.add(200L);
Filter filter = new TimeStampsFilter(timestamps);

6. SingleColumnValueFilter(影响查询性能，在处理大量数据的时候速度可能会慢)

过滤某列值大于多少小于多少：

List<Filter> filters = new ArrayList<Filter>();
filters.add( new SingleColumnValueFilter(Bytes.toBytes("pinfo"), //列族
Bytes.toBytes("t"), //列名
CompareOp.GREATER,Bytes.toBytes("1359901"]) ) //值
filters.add( new SingleColumnValueFilter(Bytes.toBytes("pinfo"),
Bytes.toBytes("t"),
CompareOp.LESS,Bytes.toBytes("1389901"]) )
FilterList filterList1 = new FilterList(Operator.MUST_PASS_ALL,filters);
sn.setFilter(filterList1);

7. 过滤器列表