分层rowkey上的hbase shell过滤器（或按rowkey长度过滤）

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，但为了便于阅读，我会坚持使用两位数字）

例如

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

我想创建一个hbase shell查询来返回节点的子节点。

现在我有以下

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

给出了00的子项列表，即 0000 0001

这里有一个以上的问题：
1。如果我删除$符号，性能会显着提高（在本地VM上从2秒到0.2秒），但我也得到了额外的结果（000000和000100，我不需要的结果）。这种戏剧性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。有没有办法按rowkey的长度过滤？ （然后我可以抛弃正则表达式并仅使用startrow / endrow） - 这必须在hbase shell中完成。例如FILTER =＆gt;“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），是否有hbase shell的限制？也尝试了[[：alnum：]]和[[：digit：]]（感谢Yunnosch的建议）

version = 1.1.0.1，r4de7d45cb593f98ae5d020080cbc7116d3e9d9a0，Sun May 17 12:52:10 PDT 2015

Answer 1

一般：

• 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

• 为什么没有使用

  这样的刹车器？

  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（就像在Java中一样）：

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

关于1。：

我只会想象没有结束$的查询优化会让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（保留并添加所有资源以完成任务）。