MultiRowRangeFilter：如何限制每个 RowRange 的结果？

Question

我正在尝试利用 HBase MultiRowRangeFilter 来最大程度地减少重复扫描尝试到服务器的往返次数。但是，我不知道如何处理一个 Row Range 可能有太多行的情况，这会阻止 Scan 从其他范围返回任何行。

例如，考虑具有以下 Row Key 结构和内容的表：

Bob|1|XXX (XXX is some random sequence)
Bob|1|XXX
Bob|1|XXX
Bob|2|XXX
Bob|2|XXX
Bob|2|XXX
Bob|3|XXX
Bob|3|XXX
Bob|3|XXX

我如何在上表中执行Scan，它会在Bob|~| 的每个范围内返回 MAXIMUM 2 行？

现在虚拟代码看起来像这样：

private void getRanges(Table tbl, Integer max) throws IOException
{
    List<RowRange> rowrangeList = new ArrayList<RowRange>();
    for (Integer i = 1; i <= 3; i++)
    {
        String rowKey = "Bob|" + i;
        RowRange rowRange = new RowRange(rowKey.getBytes(), true, rowKey.getBytes(), true);
        rowrangeList.add(rowRange);
    }

    FilterList fList = new FilterList(FilterList.Operator.MUST_PASS_ALL);
    fList.addFilter(new KeyOnlyFilter());
    fList.addFilter(new FirstKeyOnlyFilter());
    fList.addFilter(new PageFilter(max));
    fList.addFilter(new MultiRowRangeFilter(rowrangeList));

    Scan s = new Scan();
    s.setFilter(fList);

    ResultScanner scanner = tbl.getScanner(s);
    for (Result row : scanner)
    {
        System.out.println("Got row: " + new String(row.getRow()));
    }
    scanner.close();
}

但这里有问题：

如果我们不指定max 数字并在FilterList 中省略设置PageFilter(max)，这将起作用。我们可以在客户端过滤结果，但表可能有数百万行带有Bob... 行键前缀，因此我们希望在服务器端限制Scan 的结果。

如果我们指定PageFilter(max)，那么如果表的行数多于max，前缀为Bob|1|，那么我们将不会返回任何前缀为Bob|2|等的行。

我们怎样才能最好地做到这一点？同样，目标是一次为多个范围执行一个Scan（以改进当前为每个子键执行重复Scans 的功能，这似乎效率低下）。理想情况下，这应该适用于 HBase 和 Bigtable，但至少其中一个会有所帮助！

Answer 1

很遗憾，本机不支持此功能。我最好的建议是并行发布行范围。这实际上会改善您的整体延迟，因为单个读取请求中的多个行范围是按顺序处理的。

由于每个 RPC 的开销，走这条路线会略微降低您的最大吞吐量。但是，如果您在每个范围内流回多于几行，则工作将由响应处理主导，因此您应该不会看到太大差异。

Answer 2

Bob|1 将有多少行？如果它没有无限增长，那么也许您可以调整您的架构，以便 Bob|1 是行键，而 XXX 是列名。那你可以使用ColumnPaginationFilter来限制列数为2？