我有一个分层的行键设计，其中每个字符都是一个字段的id（我们使用4字节段，但为了可读性，我将坚持使用两位数）
例如
00
0000=00的孩子
000000=0000的子项
0001=00的孩子
000100=0001的孩子
我想进行hbase shell查询以返回节点的子节点。
现在我有以下几点
scan 'tableName', STARTROW=>'00',
FILTER=>"PrefixFilter('00') AND RowFilter(=,'regexstring:^00.{1}$')"它给出了00个孩子的名单，即0000 0001
这里有不止一个问题：
1如果我去掉$符号，性能会显著提高（在本地vm上从2秒提高到0.2秒），但我也会得到额外的结果（000000和000100，我不需要的结果）。这种戏剧性的性能下降有什么原因吗(因为它应该是缩小列表中的附加过滤器）
2有没有办法按rowkey的长度过滤(然后我可以抛弃regex，只使用startrow/endrow）-这必须在hbase shell中完成。例如filter=>“rowkeylengthfilter（4）”
三。我不能在regex字符串中使用单词（\w）或数字（\d），hbase shell是否有限制？还尝试了：alnum:和：digit:（感谢yunnosch的建议）
版本=1.1.0.1，r4de7d45cb593f98ae5d020080cbc7116d3e9d9a0，星期日，2015年5月17日12:52:10 pdt
1条答案
按热度按时间8tntrjer1#
一般来说：
正则表达式字符串只匹配3个字符->000或001
--例如，“regexstring:^00.{2}$”将匹配4个字符/数字->0000
你为什么不使用像这样的刹车
扫描'tbl'，{rowprefixfilter=>'row2'，filter=>限定符筛选器（>=，'binary:')) }
为什么不使用rowprefixfilter（而不是startrow和prefixfilter）？
关于3：
您必须屏蔽regex字符串（例如在java中）：
关于1：
我只想想象一下，查询优化没有结束$lets hbase会返回一个范围（通过散列可以很快找到），但如果您需要确切的长度，hbase必须再次检查相关范围内的所有条目（保留并添加所有资源以完成任务）。