我对过滤器在 HBase 中的工作方式感到困惑(或者，在很大程度上，在 HappyBase 中——我用它来与 HBase 交互)。我困惑的根源在于我似乎无法理解过滤器的作用。
某些过滤器(例如 SingleColumnValueFilter)会导致不会根据其中一列的值发出行。这是有道理的——在我看来，这就是过滤器的用途。然而，其他过滤器，例如 FirstKeyOnlyFilter ，似乎不是按行进行过滤，而是过滤向请求者显示的数据，即按列进行过滤>，就像columns 参数一样。不仅如此，它们似乎还会影响其他过滤器是否可以访问数据。
也许我只是用错了它们。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，例如“找到所有高度超过 7 英尺的人!”但是 FirstKeyOnlyFilter 的行为，至少在 HBase 中，似乎更类似于“给我每个人的左耳，别无其他!”此外，如果我有一个像这样的过滤器:
SingleColumnValueFilter('body', 'height', =, 'regexstring:^over7ft$') AND FirstKeyOnlyFilter, FirstKeyOnlyFilter 似乎限制第一个过滤器访问列族:列“body:height”。
这个设计选择是什么？上面的过滤器看起来像是在说:“请告诉我每个高度正好 7 英尺的人的名字!”相反，它更像是在说“如果名字有 7 英尺高，请让我知道每个名字!”。行的第一个键没有列，就像名称没有“高度”一样。
我做错了什么？这是 HappyBase 的特性还是 HBase 本身也一样？
最佳答案
过滤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端的列。这是有意的设计选择，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 实际上是映射到一系列键值对的行键(键值对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值(单元格)的行键+列限定符。过滤器在单元级别工作。这也是为什么建议列限定符较短的原因，因为它们实际上与每行/值一起存储。
FirstKeyOnlyFilter 旨在返回尽可能少的数据，同时通过某些键值映射维护行键确实存在的知识。它可以是返回的任何键值映射。
或者，您可以使用 KeyOnlyFilter 而不是 FirstKeyOnlyFilter，这会将与返回的每列关联的值清空。这应该使您能够根据需要进行匹配，同时最大限度地减少返回的数据。
关于HBase : Designed to filter data row-wise, 中的过滤器或按列过滤，或两者兼而有之？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35164407/