如何使用startrow和stoprow不会导致HBase中的全表扫描？

Question

通常建议通过startrow和stoprow使用范围扫描，而不是使用Rowkey Prefix Filter （例如， 此处 ）。 原因是因为Rowkey Prefix Filter导致对rowkey进行全表扫描，而通过startrow和stoprow进行的范围扫描不会导致全表扫描。 为什么不呢？ 大多数人说“因为rowkey按字典顺序存储”，这当然不能解释为什么Rowkey Prefix Filter无法利用它。

无论如何，通过startrow和stoprow进行范围扫描的startrow stoprow不会导致对stoprow进行全表扫描？

以python中的这个小例子来说明为什么我不理解rowkeys的lexagraphical排序在避免全表扫描方面意味着什么：

rowkeys = ['a1', 'a2', 'a3', 'b1', 'b2', 'b3', 'c1', 'c2', 'c3']

def range_scan(startrow, stoprow):
    is_found = False
    for rowkey in rowkeys:
        if startrow <= rowkey < stoprow:
            is_found = True
            yield rowkey
        else:
            if is_found:
                raise StopIteration()

显然，HBase算法与此不同。 怎么做的？

TLDR：在使用startrow和stoprow进行范围扫描时，HBase究竟是如何避免全表扫描的？

Answer 1

在HBase中，表格被分成区域。 区域是由特定区域服务器提供服务的一组行。 区域服务器（通常）具有来自多个表的多个区域，它们处理请求。

因为行是按键排序的，所以在hbase master中已知启动和停止键是每个区域的边界，以及可以在哪个区域服务器上查询该区域。

因此，如果完成使用显式启动和停止行的扫描，则查询仅定向到具有可能在请求范围内的键的区域/区域服务器。

如果查询具有“小”键范围，那么您将发现在几乎所有查询中只访问单个区域。

通常有一个HBase表的几十个区域，并且通过使用开始和停止行限制扫描，您可能会发现表的100个区域中的99个甚至不知道表上的查询已经完成。