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Rowkey Prefix Filter（例如，here）。这样做的原因是因为Rowkey Prefix Filter导致对rowkey进行全表扫描，而通过startrow和stoprow进行范围扫描不会导致全表扫描。为什么不呢？大多数人都说＆＃34;因为rowkey是按字典顺序存储的，＆＃34;当然，这并不能解释为什么Rowkey Prefix Filter无法利用这一点。

在任何情况下，通过startrow和stoprow进行范围扫描的确切方式不会导致对该rowkey进行全表扫描？

在python中使用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。怎么样？

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，表格分为多个区域。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，用于处理请求。

因为行是按键排序的，所以在hbase master中已知哪个开始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，那么您会发现在几乎所有查询中只访问了一个区域。

HBase表通常有几十个区域，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个区域甚至不知道表上的查询完成。