分层行键上的hbase Shell筛选器（或按行键长度筛选）

Question

我有一个分层的行键设计，其中每个字符都是一个字段的ID（我们使用4个字节的段，但为了可读性我会坚持使用两位数）

例如

00
0000 = 00的孩子
000000 = 0000的孩子
0001 = 00的孩子
000100 = 0001的孩子

我想进行hbase shell查询以返回节点的子代。

现在我有以下

scan 'tableName', STARTROW=>'00',
 FILTER=>"PrefixFilter('00') AND RowFilter(=,'regexstring:^00.{1}$')"

给出了00的子级列表，即0000 0001

这里有多个问题：
1.如果删除$符号，性能会显着提高（在本地VM上从2秒提高到0.2秒），但我还会得到其他结果（000000和000100，我不需要的结果）。 这种巨大的性能下降是否有原因？ （因为它应该是缩小列表中的附加过滤器）
2.是否可以按行键的长度进行过滤？ （然后我可以抛弃正则表达式，仅使用startrow / endrow）-这必须在hbase shell中完成。 例如FILTER =>“ RowKeyLengthFilter（4）”
3.我不能在正则表达式字符串中使用单词（\\ w）或数字（\\ d），hbase shell是否有限制？ 还尝试了[[：alnum：]]和[[：digit：]]（感谢Yunnosch的建议）

版本= 1.1.0.1，r4de7d45cb593f98ae5d020080cbc7116d3e9d9a0，PDT 2015年5月17日12:52:10

Answer 1

一般来说：

• 您的正则表达式字符串仅匹配3个字符-> 000或001
  -例如'regexstring：^ 00。{2} $'将匹配4个字符/数字-> 0000

• 有没有理由不使用刹车

  扫描'tbl'，{ROWPREFIXFILTER =>'row2'，FILTER => QualifierFilter（> =，'binary：abc'））}

• 为什么不使用RowPrefixFilter（而不是STARTROW和PrefixFilter）？

关于3。

您必须屏蔽正则表达式字符串（就像您在Java中一样）：

RowFilter(=,'regexstring:^\\d{4}$')

关于1。

我只会想像查询优化没有结束$使HBase返回一个范围（可以通过哈希快速找到），但是如果您需要确切的长度，HBase必须再次检查相关范围内的所有条目（使用所有资源）保留并添加以完成任务）。