具有多个范围的HBase扫描

Question

我有一个HBase表,我需要从几个范围得到结果.例如,我可能需要从不同的范围获取数据,如第1-6行,第100-150行......我知道每次扫描时,我都可以定义起始行和停止行.但如果我有6个范围,我需要扫描6次.有没有什么方法可以从一次扫描或一次RPC中获得多个范围的结果？我的HBase版本是0.98.

Answer 1

过滤以支持扫描多个行键范围。它可以从每个区域服务器可以访问的传递列表中构造行键范围。

HBase 在只扫描一个小的行键范围时非常有效。如果用户需要在一次扫描中指定多个行键范围，典型的解决方案是：

1. 通过 FilterList 这是一个行键过滤器列表，

2. 使用 HBase 上的 SQL 层来连接两个表，例如 hive、phoenix 等。但是，这两种解决方案都是低效的。

   他们都不能利用范围信息在扫描期间执行快速转发，这非常耗时。如果范围的数量很大（例如数百万），join 是一个合适的解决方案，尽管它很慢。
   但是，在某些情况下，用户希望指定少量范围进行扫描（例如 <1000 个范围）。在这种情况下，两种解决方案都不能提供令人满意的性能。

MultiRowRangeFilter 就是支持这样的用例（扫描多个行键范围），它可以从用户
指定的列表中构造行键范围，并在扫描过程中进行快进。因此，扫描将非常有效。

package chengchen;

import java.util.ArrayList;
import java.util.List;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.ResultScanner;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.filter.Filter;
import org.apache.hadoop.hbase.filter.MultiRowRangeFilter;
import org.apache.hadoop.hbase.filter.MultiRowRangeFilter.RowKeyRange;
import org.apache.hadoop.hbase.util.Bytes;



public class MultiRowRangeFilterTest {
    public static void main(String[] args) throws Exception {
        if (args.length < 1) {
            throw new Exception("Table name not specified.");
        }
        Configuration conf = HBaseConfiguration.create();
        HTable table = new HTable(conf, args[0]);

        TimeCounter executeTimer = new TimeCounter();
        executeTimer.begin();
        executeTimer.enter();
        Scan scan = new Scan();
        List<RowKeyRange> ranges = new ArrayList<RowKeyRange>();
        ranges.add(new RowKeyRange(Bytes.toBytes("001"), Bytes.toBytes("002")));
        ranges.add(new RowKeyRange(Bytes.toBytes("003"), Bytes.toBytes("004")));
        ranges.add(new RowKeyRange(Bytes.toBytes("005"), Bytes.toBytes("006")));
        Filter filter = new MultiRowRangeFilter(ranges);
        scan.setFilter(filter);
        int count = 0;
        ResultScanner scanner = table.getScanner(scan);
        Result r = scanner.next();
        while (r != null) {
            count++;
            r = scanner.next();
        }
        System.out
                .println("++ Scanning finished with count : " + count + " ++");
        scanner.close();


    }

}

请参阅此测试用例以在 Java 中实现

注意：但是，在我看来，这种要求 SOLR 或 ES 是最好的方法……您可以使用 solr检查我的答案以获取高级架构概述。我建议因为 hbase 扫描大量数据会非常慢。