HBase條件查詢(多條件查詢)

Author:Pirate Leohtml

myBlog: http://blog.csdn.net/pirateleo/apache

myEmail: codeevoship@gmail.comapi

轉載請註明出處,謝謝。oop

文中可能涉及到的API:post

Hadoop/HDFS:http://hadoop.apache.org/common/docs/current/api/性能

HBase: http://hbase.apache.org/apidocs/index.html?overview-summary.htmlspa

Begin!.net

HBase的查詢實現只提供兩種方式:設計

一、按指定RowKey獲取惟一一條記錄,get方法(org.apache.hadoop.hbase.client.Getcode

二、按指定的條件獲取一批記錄,scan方法(org.apache.hadoop.hbase.client.Scan


實現條件查詢功能使用的就是scan方式,scan在使用時有如下幾點值得注意:

一、scan能夠經過setCaching與setBatch方法提升速度(以空間換時間);

二、scan能夠經過setStartRow與setEndRow來限定範圍。範圍越小,性能越高。

經過巧妙的RowKey設計使咱們批量獲取記錄集合中的元素挨在一塊兒(應該在同一個Region下),能夠在遍歷結果時得到很好的性能。

三、scan能夠經過setFilter方法添加過濾器,這也是分頁、多條件查詢的基礎。


下面舉個形象的例子:

咱們在表中存儲的是文件信息,每一個文件有5個屬性:文件id(long,全局惟一)、建立時間(long)、文件名(String)、分類名(String)、全部者(User)。

咱們能夠輸入的查詢條件:文件建立時間區間(好比從20120901到20120914期間建立的文件),文件名(「中國好聲音」),分類(「綜藝」),全部者(「浙江衛視」)。

假設當前咱們一共有以下文件:

內容列表
ID CreateTime Name Category UserID
1 20120902 中國好聲音第1期 綜藝 1
2 20120904 中國好聲音第2期 綜藝 1
3 20120906 中國好聲音外卡賽 綜藝 1
4 20120908 中國好聲音第3期 綜藝 1
5 20120910 中國好聲音第4期 綜藝 1
6 20120912 中國好聲音選手採訪 綜藝花絮 2
7 20120914 中國好聲音第5期 綜藝 1
8 20120916 中國好聲音錄製花絮 綜藝花絮 2
9 20120918 張瑋獨家專訪 花絮 3
10 20120920 加多寶涼茶廣告 綜藝廣告 4


這裏UserID應該對應另外一張User表,暫不列出。咱們只需知道UserID的含義:

1表明 浙江衛視; 2表明 好聲音劇組; 3表明 XX微博; 4表明 贊助商。
調用查詢接口的時候將上述5個條件同時輸入find(20120901,20121001,"中國好聲音","綜藝","浙江衛視")。

此時咱們應該獲得記錄應該有第一、二、三、四、五、7條。第6條因爲不屬於「浙江衛視」應該不被選中。

咱們在設計RowKey時能夠這樣作:採用UserID + CreateTime + FileID組成rowKey,這樣既能知足多條件查詢,又能有很快的查詢速度。

須要注意如下幾點:

一、每條記錄的RowKey,每一個字段都須要填充到相同長度。假如預期咱們最多有10萬量級的用戶,則userID應該統一填充至6位,如000001,000002...

二、結尾添加全局惟一的FileID的用意也是使每一個文件對應的記錄全局惟一。避免當UserID與CreateTime相同時的兩個不一樣文件記錄相互覆蓋。

按照這種RowKey存儲上述文件記錄,在HBase表中是下面的結構:

rowKey(userID 6 + time 8 + fileID 6)     name    category ....

00000120120902000001

00000120120904000002

00000120120906000003

00000120120908000004

00000120120910000005

00000120120914000007

00000220120912000006

00000220120916000008

00000320120918000009

00000420120920000010

怎樣用這張表?

在創建一個scan對象後,咱們setStartRow(00000120120901),setEndRow(00000120120914)。

這樣,scan時只掃描userID=1的數據,且時間範圍限定在這個指定的時間段內,知足了按用戶以及按時間範圍對結果的篩選。而且因爲記錄集中存儲,性能很好。

而後使用SingleColumnValueFilter(org.apache.hadoop.hbase.filter.SingleColumnValueFilter),共4個,分別約束name的上下限,與category的上下限。知足按同時按文件名以及分類名的前綴匹配。

(注意:使用SingleColumnValueFilter會影響查詢性能,在真正處理海量數據時會消耗很大的資源,且須要較長的時間。

在後續的博文中我將多舉幾種應用場景下rowKey的,能夠知足簡單條件下海量數據瞬時返回的查詢功能)

若是須要分頁還能夠再加一個PageFilter限制返回記錄的個數。

以上,咱們完成了高性能的支持多條件查詢的HBase表結構設計。

——————————————————————————

by the way:

近期有時間會寫一份Sample補充在這篇博文裏,有須要的同窗能夠持續關注。

後續的幾篇關於HBase功能實現貼也陸續寫做中。

HBase數據實現按期定量刪除功能:http://blog.csdn.net/pirateleo/article/details/7964859

HBase在處理中文字符串時的問題:http://blog.csdn.net/pirateleo/article/details/7957109

陸續補充中……

相關文章
相關標籤/搜索