通过 shell 命令和 mapreduce 扫描 HBase 会给出两种不同的结果答案

【问题标题】：HBase scanning through shell command and mapreduce gives two different rersult通过 shell 命令和 mapreduce 扫描 HBase 会给出两种不同的结果
【发布时间】：2014-10-02 06:20:23
【问题描述】：

我有 HBase 表，它有超过十亿条记录。当我使用某些 ValueFilter 查询扫描 HBase 表时，我得到 41820 条记录，但是给出结果需要超过 35 分钟，但是当我使用 mapreduce 程序扫描同一个 HBase 表时，我在 2 分钟内得到了计数但给了我41035 条记录。我不知道。

这是我使用的 shell 命令：

scan 'permhistory', { COLUMNS => 'h:e_source', FILTER => "ValueFilter( =, 'binaryprefix:AC_B2B' )" }

结果：41820

这是 mapreduce 中的 Scan 对象：

    Scan scan = new Scan();
    scan.setCaching(2000);
    scan.setCacheBlocks(false);
    scan.addFamily(Bytes.toBytes("h"));
    scan.addColumn(Bytes.toBytes("h"), Bytes.toBytes("e_source"));
    SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("h"),
                    Bytes.toBytes("e_source"),CompareOp.EQUAL,Bytes.toBytes("AC_B2B"));
    filter.setLatestVersionOnly(false);
    scan.setFilter(filter);

有什么想法吗？这是我在这里的第一篇文章。各位高手，能帮帮我吗？我有点坚持自动化我们的系统

【问题讨论】：

标签： mapreduce hbase

【解决方案1】：

在 mapreduce 中你正在使用这个构造函数

public SingleColumnValueFilter(byte[] family,
                       byte[] qualifier,
                       CompareFilter.CompareOp compareOp,
                       byte[] value)

这意味着您使用默认比较器实例化过滤器，但在您使用的 hbase shell 中

"ValueFilter( =, 'binaryprefix:AC_B2B' )"

二进制前缀比较器，所以你应该试试这个

SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("h"),
                    Bytes.toBytes("e_source"),
                    CompareOp.EQUAL,
                    new BinaryPrefixComparator(Bytes.toBytes("AC_B2B")));

此外，在 hbase shell 中您使用 ValueFilter，而在 mapreduce 中您使用 SingleColumnValueFilter。供您参考：

单列值过滤器

此过滤器用于根据值过滤单元格。它需要一个 CompareFilter.CompareOp 运算符（等于、大于、不等于等），以及字节 [] 值或 ByteArrayComparable。如果我们有一个字节 [] value 那么我们只是做一个字典比较。例如，如果通过值是'b'并且单元格有'a'并且比较运算符是LESS，然后我们将过滤掉这个单元格（返回真）。如果这还不够（例如，您想反序列化一个 long，然后将其与固定的 long 进行比较 value)，然后你可以传入你自己的比较器。

您还必须指定族和限定符。只有这个值列将被测试。在指定的扫描上使用此过滤器时输入，要测试的列也应添加为输入（否则过滤器会认为该列缺失）。

如果列不存在，则防止发出整行在一行中找到，使用 setFilterIfMissing(boolean)。否则，如果找到列，仅当值时才会发出整行通过。如果值失败，该行将被过滤掉。

值过滤器

此过滤器用于根据列值进行过滤。它需要一个运算符（等于、大于、不等于等）和一个字节 [] 比较器单元格值。

在这种情况下，由于您专门设置了要扫描的列，因此它的行为方式相同。 ValueFilter 将过滤所有列，SingleColumnValueFilter 将仅过滤特定列，如果未通过过滤器，则完全忽略该行。

【讨论】：