我使用Java作为查询Hbase的客户端。
我的Hbase表设置如下:
ROWKEY | HOST | EVENT
-----------|--------------|----------
21_1465435 | host.hst.com | clicked
22_1463456 | hlo.wrld.com | dragged
. . .
. . .
. . .
我需要做的第一件事是让所有的清单ROWKEYs
已host.hst.com
与它相关联。
我可以在Column处创建一个扫描器,host
并为每个行值column value = host.hst.com
添加对应ROWKEY
的列表。似乎效率很高。O(n)
获取所有行。
现在是困难的部分。对于ROWKEY
列表中的每个,我需要获取相应的EVENT
。
如果我使用普通GET
命令在处获取单元格(ROWKEY, EVENT)
,我相信会创建一个扫描程序,EVENT
这将花费一些O(n)
时间来找到正确的单元格并返回值。对于每个人来说,这是非常糟糕的时间复杂性ROWKEY
。两者结合起来就给了我们O(n^2)
。
有没有更有效的方法来解决这个问题?
非常感谢您提前提供的帮助!
你这是什么n
?有了RowKey,我想您的意思是HBase Rowkey,而不是一些手工制作的?-对于HBase而言,这是快速/容易的。认为它是O(1)。
相反,如果ROWKEY是您创建的实际列..则存在问题。请改用HBase提供的行键。
因此,让我们继续-假设您(a)已经正确使用了提供的hbase- rowkey
或已固定结构来执行此操作。
在这种情况下,您只需get
为每个(rowkey, EVENT)
值创建一个单独的代码,如下所示:
Perform a `get` with the given `rowkey`.
In your result then filter out EVENT in <yourEventValues for that rowkey>
因此,您最终将获取给定行键的所有最近(最新时间戳)条目。与“ n”相比,这可能很小。然后,过滤是对一列的快速操作。
您也可以通过批量处理来加快速度multiget
。节省的钱来自减少到HBase主服务器的往返次数以及主服务器/区域服务器生成的解析/计划。
更新感谢OP:我更清楚地了解了这种情况。我建议只使用“ host |”作为行键。然后,您可以进行范围扫描,并从单个“ 获取 /扫描”中获取条目。
另一个更新
HBase支持基于行键前缀的范围扫描。因此,您具有foobarRow1,foobarRow2等。然后可以对(foobarRow,foobarRowz)进行范围扫描,它将发现所有具有以foobarRow
- 开头的行键以及随后带有任何字母数字字符的行。
看看此HBase(轻松):如何在hbase shell中执行范围前缀扫描
这是一些说明性代码:
SingleColumnValueFilter filter = new SingleColumnValueFilter(
Bytes.toBytes("columnfamily"),
Bytes.toBytes("storenumber"),
CompareFilter.CompareOp.NOT_EQUAL,
Bytes.toBytes(15)
);
filter.setFilterIfMissing(true);
Scan scan = new Scan(
Bytes.toBytes("20110103-1"),
Bytes.toBytes("20110105-1")
);
scan.setFilter(filter);
请注意,20110103-1
和20110105-1
提供了一系列要搜索的行键。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句