基于特定HFile作为根的HFile扫描

Question

是否有具有下列行为的扫描/筛选API？

在给定的时间范围内，我希望扫描器包含来自HFiles的超出范围的数据，包括在范围内的HFiles中的行键。这样做的目的是扫描所有HFiles的内存中的索引，但只从磁盘中获取数据，以便从位于范围内的HFiles中获取行键。

例如，如果HFile1在范围内，而HFile2超出了范围，而rowkey1在HFile1中有任何数据，那么我也希望从HFile2获得rowkey1的所有列，就好像它在范围内一样。另一方面，如果rowkey2包含在HFile2中，而没有包含在HFile1中，那么索引扫描器应该跳到下一行键。

用例是加载在最后X小时内修改过的整行(甚至仅在一列上)，避免对冗余数据进行全扫描或磁盘扫描。这将被集成到Spark/MR应用程序中，可能是基于TableSnapshotInputFormat的，所以我想如果涉及到这一点，我可以为HRegion、HStore或其他什么发布一些自定义代码。

非常感谢

Answer 1

如果这是用例，

用例是加载最后X小时内修改过的整行(甚至仅在一列上)，避免对冗余数据进行全扫描或磁盘扫描

为什么带有时间戳范围的扫描不能工作？HBase JAVA org.apache.hadoop.hbase.client.Scan.setTimeRange(long, long)以一个时间范围作为输入&它只获取在这个时间范围内修改的行。

如果您希望它更灵活，那么应用一个KeyOnlyFilter()并获取所有行键。稍后，您可以根据行计数执行批处理Get。