HBase分析之Filter

2023年2月21日 262次阅读 来源: HZWong

Filter的作用是谓词下推，就是在Scan查询数据时，将过滤数据的操作放到服务端进行，减少数据的传输，减少网络IO。

介绍Filter使用方法的文章很多，就不再赘述了，主要记录下如何自定义Filter。

解析

在一次Scan的过程中，Filter存在于2个地方：

  1. RegionScannerImpl中，用来做整理流程的把控、StoreScanner的过滤和行级别的过滤处理。
  2. ScanQueryMatcher中，做Cell级别的过滤处理。

RegionScannerImpl中调用Filter的方法：

  1. 首先是isFamilyEssential，在HRegion创建Scanner时，用于筛选StoreScanner，当有多个列族时，筛选不通过的StoreScanner将放进joinedHeap中。joinedHeap中的StoreScanner不参与主流程的查询，只在主要StoreScanner查询完，确定了要这行数据，才会执行查询，并且只执行ScanQueryMatcher中调用Filter的方法。
  2. hasFilterRow。返回true的话，才有机会执行filterRowCells、filterRowCellsWithRet。
  3. filterRowCells。
  4. filterRowKey。这里Filter判断是否要过滤掉这一行，true表示过滤掉这一行。
  5. filterRowCellsWithRet。
  6. filterRow。执行差不多了，再判断一次，是否要过滤掉这一行。
  7. 在完成了一行的查询之后，会调用reset，清空临时状态。另外有种特殊情况，当Size、Time或Batch达到上限时，查询会提前返回，这时候，是不调用reset的，状态会持续到下一次请求。
  8. filterAllRemaining。true表示筛选是否完成了，没有更多数据了，整个Scan完成。

ScanQueryMatcher中调用Filter的方法：

  1. filterAllRemaining。里面也给了一次机会，判断是否执行完成了Scan。
  2. filterKeyValue。ColumnTracker返回值是MatchCode.INCLUDE时，默认一定是MatchCode.INCLUDE，会调用filterKeyValue，执行Filter的过滤操作，返回值是MatchCode。
  3. transformCell、getNextCellHint。严格来说，这2个方法是在StoreScanner里执行的
    1. 判断返回值为INCLUDE_AND_SEEK_NEXT_COL时，执行Filter.transformCell。
    2. 判断返回值为SEEK_NEXT_USING_HINT时，执行Filter.getNextCellHint。

Filter还有2个方法，用于RPC时，将Filter发送到服务端

  1. toByteArray。首先需要转成字节码发送，调用的就是Filter的toByteArray方法。

  2. parseFrom。到服务端再转成Filter，调用的是Filter的类方法parseFrom。

Protobuf安装

既然要发送实例到服务端，就需要Protobuf了。HBase1.3.2版本使用的是protobuf2.5.0，所以这里装个2.5.0。其他版本在Git Release上找下，安装流程是一样的。2.x和3.x生成的Java代码并不兼容，已有3.x也按照下面步骤执行就行。

  1. 下载protobuf-2.5.0.zip，解压。
  2. 检查下是否安装autoreconf和make，执行brew install autoconf && brew install automake
  3. 到目录下执行./autogen.sh && ./configure && make
  4. 检查下make状态，make check，没问题执行make install
  5. 检查下是否安装成功，protoc --version显示libprotoc 2.5.0

基本示例

先写个Filter.proto文件，版本proto2。外部类名字不能和内部类一样，名就取个Filter。

syntax = "proto2";

option java_package = "cn.edu.bupt.hbase.protobuf.generated";
option java_outer_classname = "Filter";
option java_generate_equals_and_hash = true;
option optimize_for = SPEED;

message AnFilter {
}

执行protoc编译命令，生成Protobuf版的Filter类。

protoc --proto_path=src/main/protobuf/ --java_out=src/main/java/ src/main/protobuf/Filter.proto

写个Java的Filter类，继承FilterBase，引用前面生成的Filter.AnFilter。

public class AnFilter extends FilterBase {

    @Override
    public ReturnCode filterKeyValue(Cell cell) throws IOException {
        // 默认值
        return null;
    }

    public byte[] toByteArray() {
        // 使用Filter.AnFilter
        Filter.AnFilter.Builder builder = Filter.AnFilter.newBuilder();
        return builder.build().toByteArray();
    }

    public static AnFilter parseFrom(byte[] pbBytes) throws DeserializationException {
        // 这里暂时不解析了，直接new一个
        return new AnFilter();
    }
}

把代码打包，放入HBase的classpath里，重启HBase。

在ProtobufUtil.toFilter打个断点，客户端执行Scan代码，即进入断点，看到成功在Server端生成了Filter。

进阶示例

让我们写个a+b=c的Filter，并且只返回一行。随便放些数据进去

f:af:bf:v
row0value0
row111
row222value2
row33value3
row44
row555value5
row646value6

更改Filter.proto，增加一个变量c，这个变量是要传给服务端的

message AnFilter {
    required int32 c = 1;
}

重新执行protoc编译命令，编译生成Filter。

修改Java的AnFilter，也增加上变量c，修改toByteArray把c设置进去、parseFrom再从byte[]里把c读出来。

public class AnFilter extends FilterBase {
    private int c;
    
    public AnFilter(int c) {
        this.c = c;
    }
    
    public byte[] toByteArray() {
        Filter.AnFilter.Builder builder = Filter.AnFilter.newBuilder();
        builder.setC(c);
        return builder.build().toByteArray();
    }

    public static AnFilter parseFrom(byte[] pbBytes) throws DeserializationException {
        Filter.AnFilter filter;
        try {
            filter = Filter.AnFilter.parseFrom(pbBytes);
        } catch (InvalidProtocolBufferException e) {
            throw new DeserializationException(e);
        }
        return new AnFilter(filter.getC());
    }

首先要找到a+b=c的行，找到qualifier是a，记录下值；找到qualifier是b，记录下值。a、b都找到了，判断下和是不是等于c，等于就返回ReturnCode.INCLUDE，把当前行找齐；否则跳过，返回ReturnCode.NEXT_ROW，继续找下一行。如果这一行还没找到a、b，还是得先返回ReturnCode.INCLUDE，不然这列就不会包含进去了。

private int sum;

private boolean hasA;
private boolean hasB;
private boolean foundC;

@Override
public ReturnCode filterKeyValue(Cell cell) throws IOException {
    String qualifier = Bytes.toString(cell.getQualifierArray(), 
                                      cell.getQualifierOffset(),
                                      cell.getQualifierLength());
    if ("a".equals(qualifier)) {
        sum += Bytes.toInt(cell.getValueArray(), cell.getValueOffset(), 
                           cell.getValueLength());
        hasA = true;
    } else if ("b".equals(qualifier)) {
        sum += Bytes.toInt(cell.getValueArray(), cell.getValueOffset(), 
                           cell.getValueLength());
        hasB = true;
    }
    if (hasA && hasB) {
        if (sum == c) {
            foundC = true;
            return ReturnCode.INCLUDE;
        } else {
            return ReturnCode.NEXT_ROW;
        }
    }
    return ReturnCode.INCLUDE;
}

那列都包含进去了，如果后面发现a+b!=c怎么办？没事，还有filterRow方法，没找到就返回true，把当前列过滤掉。

@Override
public boolean filterRow() throws IOException {
    return !foundC;
}

一行执行完成，要重置下临时状态。

@Override
public void reset() throws IOException {
    sum = 0;
    hasA = false;
    hasB = false;
}

找齐了这行就不继续找了，filterAllRemaining返回true。找到了a、b，不能直接返回true，因为可能还有其他列，filterAllRemaining是每个cell都执行的方法。所以在找齐一列的时候设置下值。

private boolean filterAllRemaining;
@Override
public void reset() throws IOException {
    ……
    filterAllRemaining = foundC;
}
@Override
public boolean filterAllRemaining() throws IOException {
    return filterAllRemaining;
}

打包放进HBase，重启HBase，客户端执行代码。

scan.setFilter(new AnFilter(10));

返回找到的那行。

row5    5   5   value5
    原文作者：HZWong
    原文地址: https://www.jianshu.com/p/75f5712965fd
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞