HBase主要的CRUD操作就不多介紹了，無非就是Put，Get。Delete三個類的運用。

本文相當於是閱讀HBase權威指南的總結。

一、掃描（Scan）

如今看一下掃描技術，這樣的技術類似於關系型數據庫的遊標（cursor），並利用到了HBase底層順序存儲的特性。

使用掃描的一般步驟是：

1、創建Scan實例
2、為Scan實例添加掃描的限制條件
3、調用HTable的getScanner()方法獲取ResultScanner對象,假設通過HTablePool的方式，則是調用HTablePool的getScanner方法。（註意。HTable類實現了HTableInterface接口，這個接口用於與單個HBase表通信。
 
）
4、叠代ResultScanner對象中的Result對象訪問掃描結果行。

（1）創建Scan實例：

構造方法例如以下：

能夠創建定義了起始行健和結束行健的Scan對象，返回的包括定義的起始行。可是不包括結束行。

能夠創建定義了過濾器的Scan對象，過濾器的內容稍後介紹。

也能夠創建空白的Scan對象。

（2）創建好Scan對象之後，還能夠添加很多其它的掃描限制條件：

比方能夠限制返回數據的列族，也能夠限制返回數據的列：

還能夠限制返回結果的時間戳，時間範圍，甚至限定僅僅返回每一列的一些特定版本號：

除此之外還能夠設置過濾器，起始行，結束行等：

註意：上述全部Scan類的方法返回的都是Scan對象，使用的是Builder模式。能夠再一行代碼中同一時候設置多個限制條件。

（3）以下就能夠獲取ResultScanner對象：

（4）返回ResultScannner對象之後就能夠開始叠代了：

能夠直接轉換為叠代器叠代，也能夠直接用foreach語法叠代：

ResultScanner scanner=table.getScanner(scan);//運行掃描查找     
Iterator<Result> res=scanner.iterator( );//返回查詢遍歷器 

或者 
for(Result res: scanner)
{
    訪問Result獲取行數據
}

由於一次PRC操作就返回全部匹配數據的話數據量太大。會占用大量的系統資源並花費大量的時間。

1、緩存

依據上面的介紹，叠代ResultScanner的時候每一次顯示或者隱式的next()方法的調用都會產生一次單獨RPC請求，顯然當單元格數據量較小是性能不好。

能夠讓一次RPC請求獲取很多其它的數據。這就是掃描器緩存（Scanner caching）的作用。默認是關閉的。

能夠再三個層面上打開掃描器緩存：

（1）表HTable的層面。這樣由該表產生的全部掃描器實例的緩存都會生效。

（2）掃描器Scanner的層面，這樣僅僅會影響當前的掃描器實例。

（3）整個client層面。須要改動hbase-site.xml配置文件，這樣針對全部的Scanner實例都會生效。

設置掃描器緩存的大小就能控制每次RPC請求取回的行數了！

！

！

可是掃描器緩存無疑會添加client和server端的內存消耗，用戶須要在少量的ROC請求次數和client以及服務端內存消耗之間找到平衡點。

假設掃描器緩存大小設置太大。每次next操作返回的時間就會變長，假設client的數據超過了堆的大小，就會得到一個OutOfMemoryException。

2、批量

另一個問題。有些行數據量很大，可能超過client進程內存的容量。能夠用批量（Batch）解決。

緩存是面向行一級的操作，而批量是面向列一級的操作。

批量能夠讓用戶選擇每一次ResultScanner實例的next操作要取回多少列。

二、過濾器（Filter）

過濾器提供了很強大的特性來幫助用戶提高處理表中數據的效率。用戶不僅能夠使用HBase中提前定義好的過濾器。還能夠實現自己定義的過濾器。

HBase中兩種基本的數據讀取機制是Get和Scan，都支持加入很多其它的限制條件來降低查詢得到的數據量，這些限制條件能夠是列族，列，時間戳及版本。

可是他們缺少一些細粒度的篩選功能，比方基於正則表達式的對於行健和值進行篩選，過濾器能夠做到。

Get和Scan兩個類都支持過濾器。全部過濾器都在服務端生效，這稱作謂詞下推（predicate push down），這樣能夠保證被過濾掉的數據不會被傳送到client。

過濾器屬性和它們之間的兼容性：

很多其它具體介紹放到以後。。。

HBase概念學習（四）Java API之掃描和過濾器