hbase Filter使用

1. 背景
   昨天同事反馈hbase查询返回无数据了，查了下返回RowTooBigEXcepiton，初步看是value过大导致？以为是有异常数据写入,我们hbase设计上一个列族，然后对应每个时间分片会通过动态列会记录时间分片类的数据指标,每天查询的时候通过rowkey +时间窗户， get返回对应的指标，

2. 分析
   初步分析，有数据异常，某个value值过大，因为默认value值的大小是1G

  /**
   * Default max row size (1 Gb).
   */
  public static final long TABLE_MAX_ROWSIZE_DEFAULT = 1024 * 1024 * 1024L;

正常写入不会返回那么大的数据，于是进入hbase shell中单独请求对应窗户的指标数据

#get '命名空间:表明','rowkey','列族:列'
get 'toffline:tmetric','top','slicetop:96430'

循环整个请求窗口发现都没有问题，于是直接请求整个rowkey 果然这里有问题
，异常出现了，应该是查询的时候没有设置对应的列做过滤，rowkey对应的value过大导致的，（也可以通过修改client参数hbase.table.max.rowsize获得查询结果，但这不是我们想要的）

get 'tjrecoffline:tmetric','top'

扫了一眼代码，有过滤啊，无法请求了？怎么办，先让数据变小，查询能响应

hbase(main):002:0> desc  'toffline:tmetric'
Table toffline:tmetric is DISABLED                                                                                                                                                        
toffline:tmetric                                                                                                                                                                          
COLUMN FAMILIES DESCRIPTION                                                                                                                                                                         
{NAME => 'content', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS
 => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}                                                                                                                      
{NAME => 'slicetop', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSION
S => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}                                                                                                                     
2 row(s) in 0.1090 seconds
#TTL => 'FOREVER' 数据没有设置过期时间，所以项目上线起初没问题，现在有问题了，数据量随着动态列的增加一直在累积。所以考虑了下业务环境保留三个月的数据可以满足要求，
#修改列的过期时间
hbase(main):003:0> alter 'toffline:tmetric',{NAME=>'slicetop',TTL=>'7776000'} 
Updating all regions with the new schema...
80/80 regions updated.
Done.
0 row(s) in 2.7270 seconds
#查看
hbase(main):004:0> desc  'toffline:tmetric'
Table tjrecoffline:doc_rt_metric is DISABLED                                                                                                                                                        
toffline:tmetric                                                                                                                                                                          
COLUMN FAMILIES DESCRIPTION                                                                                                                                                                         
{NAME => 'content', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS
 => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}                                                                                                                      
{NAME => 'slicetop', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => '7776000 SECONDS (90 DAYS)', COMPRESSION => '
NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}                                                                                                   
2 row(s) in 0.0130 seconds
#major_compact 合并删除旧数据
hbase(main):005:0> major_compact 'toffline:tmetric'
0 row(s) in 1.6660 seconds
#打开表
hbase(main):006:0> enable 'toffline:tmetric'
0 row(s) in 4.3420 seconds

修该完成，查询一次试试
没有报错了，但是2天的数据20分钟返回结果，这tm，还是看代码吧
才发现，我们封装的hbase get请求虽然加了过滤但是只是针对列祖的没有针对列，于是稍作修改，

    public String get(String tableName, String family, String qualifier,  String rawKey) throws IOException {
        if (!tableMap.containsKey(tableName)) {
            HTable table = new HTable(conf, tableName);
            tableMap.put(tableName, table);
        }

        HTable table = tableMap.get(tableName);
        Get get = new Get(Bytes.toBytes(rawKey));
        #FilterList 代表一个过滤器链，它可以包含一组即将应用于目标数据集的过滤器,增加列族和列
        FilterList filters = new FilterList();
        Filter qualifierFilter = new QualifierFilter(CompareFilter.CompareOp.EQUAL , new BinaryComparator(Bytes.toBytes(qualifier)));
        Filter familyFilter = new FamilyFilter(CompareFilter.CompareOp.EQUAL, new BinaryComparator(Bytes.toBytes(family)));
        filters.addFilter(qualifierFilter);
        filters.addFilter(familyFilter);
        #get请求设置过滤组
        get.setFilter(filters);
        Result result = table.get(get);
        if (!result.isEmpty()) {
            if (result.getValue(Bytes.toBytes(family), Bytes.toBytes(qualifier)) != null) {
                return new String(result.getValue(Bytes.toBytes(family), Bytes.toBytes(qualifier)));
            } else {
                return null;
            }

        } else {
            return null;
        }
    }

打包发布继续请求，4秒返回，终于ok了，（同时反馈的这个表别导致full gc严重问题也得到了解决）

3. 下面看看Hbase FIiter有哪些东西
   Fliter中主要有两个参数 CompareFilter.Compare比较用算符，比较器 ByteArrayComparable
   （1）比较运算符 CompareFilter.CompareOp
   比较运算符用于定义比较关系，可以有以下几类值供选择：
   EQUAL 相等
   GREATER 大于
   GREATER_OR_EQUAL 大于等于
   LESS 小于
   LESS_OR_EQUAL 小于等于
   NOT_EQUAL 不等于

（2）比较器 ByteArrayComparable
通过比较器可以实现多样化目标匹配效果，比较器有以下子类可以使用：
BinaryComparator 匹配完整字节数组
BinaryPrefixComparator 匹配字节数组前缀
BitComparator
NullComparator
RegexStringComparator 正则表达式匹配
比较是过滤器的核心可以实现字节比较字符串比较等

如字符串比较

Scan scan = new Scan();
RegexStringComparator comp = new RegexStringComparator("wukong."); // 正则以 wukong 开头的字符
SubstringComparator comp = new SubstringComparator("2018"); // 查找包含 2018 的字符串，并且不区分大小写
BinaryPrefixComparator comp = new BinaryPrefixComparator(Bytes.toBytes("sf")); //sf开头的，前缀二进制比较器。与二进制比较器不同的是，只比较前缀是否相同
SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("family"), Bytes.toBytes("qualifier"), CompareOp.EQUAL, comp);
scan.setFilter(filter);

如列值过滤等等如链接

https://blog.csdn.net/u012185296/article/details/47338549