Hbase的Filter详解使用

不念不忘少年蓝@ 2022-04-15 02:24 200阅读 0赞

转载: [https://blog.csdn.net/lr131425/article/details/72676254][https_blog.csdn.net_lr131425_article_details_72676254]

参数基础  
有两个参数类在各类Filter中经常出现，统一介绍下：  
（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  
SubstringComparator        子串匹配  
1，FilterList  
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，过滤器间具有“与” FilterList.Operator.MUST\_PASS\_ALL 和“或” FilterList.Operator.MUST\_PASS\_ONE 关系。  
官网实例代码，两个“或”关系的过滤器的写法：  
FilterList list = new FilterList(FilterList.Operator.MUST\_PASS\_ONE);   //数据只要满足一组过滤器中的一个就可以  
SingleColumnValueFilter filter1 = new SingleColumnValueFilter(cf,column,CompareOp.EQUAL,Bytes.toBytes("my value"));  
list.add(filter1);  
SingleColumnValueFilter filter2 = new SingleColumnValueFilter(cf,column,CompareOp.EQUAL,Bytes.toBytes("my other value"));  
list.add(filter2);  
Scan scan = new Scan();  
scan.setFilter(list);  
2，列值过滤器--SingleColumnValueFilter  
SingleColumnValueFilter 用于测试列值相等 (CompareOp.EQUAL ), 不等 (CompareOp.NOT\_EQUAL),或单侧范围 (e.g., CompareOp.GREATER)。  
构造函数：  
（1）比较的关键字是一个字符数组  
SingleColumnValueFilter(byte\[\] family, byte\[\] qualifier, CompareFilter.CompareOp compareOp, byte\[\] value)  
（2）比较的关键字是一个比较器（比较器下一小节做介绍）  
SingleColumnValueFilter(byte\[\] family, byte\[\] qualifier, CompareFilter.CompareOp compareOp, ByteArrayComparable comparator)  
注意：根据列的值来决定这一行数据是否返回，落脚点在行，而不是列。我们可以设置filter.setFilterIfMissing(true);如果为true，当这一列不存在时，不会返回，如果为false，当这一列不存在时，会返回所有的列信息  
测试表user内容如下：

java代码测试：  
Table table = connection.getTable(TableName.valueOf("user"));  
        SingleColumnValueFilter scvf= new SingleColumnValueFilter(Bytes.toBytes("account"), Bytes.toBytes("name"),   
                CompareOp.EQUAL,"zhangsan".getBytes());  
        scvf.setFilterIfMissing(true); //默认为false， 没有此列的数据也会返回 ，为true则只返回name=lisi的数据  
        Scan scan = new Scan();  
        scan.setFilter(scvf);  
        ResultScanner resultScanner = table.getScanner(scan);  
        for (Result result : resultScanner) \{  
             List<Cell> cells= result.listCells();      
             for (Cell cell : cells) \{  
                 String row = Bytes.toString(result.getRow());  
                 String family1 = Bytes.toString(CellUtil.cloneFamily(cell));  
                 String qualifier = Bytes.toString(CellUtil.cloneQualifier(cell));  
                 String value = Bytes.toString(CellUtil.cloneValue(cell));  
                 System.out.println("\[row:"+row+"\],\[family:"+family1+"\],\[qualifier:"+qualifier+"\]"  
                         + ",\[value:"+value+"\],\[time:"+cell.getTimestamp()+"\]");  
            \}  
        \}  
如果setFilterIfMissing(true), 有匹配只会返回当前列所在的行数据，基于行的数据 country 也返回了，因为他么你的rowkey是相同的  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]

如果setFilterIfMissing（false），有匹配的列的值相同会返回，没有此列的 name的也会返回，， 不匹配的name则不会返回。  
下面 红色是匹配列内容的会返回，其他的不是account：name列也会返回，， name=lisi的不会返回，因为不匹配。  
\[row:lisi\_1495527849910\],\[family:account\],\[qualifier:idcard\],\[value:42963319861234561230\],\[time:1495556647872\]  
\[row:lisi\_1495527850111\],\[family:account\],\[qualifier:password\],\[value:123451231236\],\[time:1495556648013\]  
\[row:lisi\_1495527850114\],\[family:address\],\[qualifier:city\],\[value:黄埔\],\[time:1495556648017\]  
\[row:lisi\_1495527850136\],\[family:address\],\[qualifier:province\],\[value:shanghai\],\[time:1495556648041\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\],\[time:1495556648045\]  
\[row:lisi\_1495527850154\],\[family:info\],\[qualifier:sex\],\[value:女\],\[time:1495556648056\]  
\[row:lisi\_1495527850159\],\[family:userid\],\[qualifier:id\],\[value:002\],\[time:1495556648060\]  
\[row:wangwu\_1495595824517\],\[family:userid\],\[qualifier:id\],\[value:009\],\[time:1495624624131\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\],\[time:1495556648664\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\],\[time:1495636370056\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]  
\[row:zhangsan\_1495527850951\],\[family:address\],\[qualifier:province\],\[value:guangdong\],\[time:1495556648855\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\],\[time:1495556648878\]  
\[row:zhangsan\_1495527851080\],\[family:info\],\[qualifier:sex\],\[value:男\],\[time:1495556648983\]  
\[row:zhangsan\_1495527851095\],\[family:userid\],\[qualifier:id\],\[value:001\],\[time:1495556648996\]

3 键值元数据  
由于HBase 采用键值对保存内部数据，键值元数据过滤器评估一行的键(ColumnFamily：Qualifiers)是否存在

3.1. 基于列族过滤数据的FamilyFilter  
构造函数：  
FamilyFilter(CompareFilter.CompareOp familyCompareOp, ByteArrayComparable familyComparator)  
代码如下：  
   public static ResultScanner getDataFamilyFilter(String tableName,String family) throws IOException\{  
        Table table = connection.getTable(TableName.valueOf("user"));  
        FamilyFilter ff = new FamilyFilter(CompareOp.EQUAL ,   
                new BinaryComparator(Bytes.toBytes("account")));   //表中不存在account列族，过滤结果为空  
//         new BinaryPrefixComparator(value) //匹配字节数组前缀  
//         new RegexStringComparator(expr) // 正则表达式匹配  
//         new SubstringComparator(substr)// 子字符串匹配   
        Scan scan = new Scan();  
        // 通过scan.addFamily(family)  也可以实现此操作  
        scan.setFilter(ff);  
        ResultScanner resultScanner = table.getScanner(scan);  
        return resultScanner;  
    \}  
测试结果：查询的都是account列簇的内容  
\[row:lisi\_1495527849910\],\[family:account\],\[qualifier:idcard\],\[value:42963319861234561230\],\[time:1495556647872\]  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\],\[time:1495556647984\]  
\[row:lisi\_1495527850111\],\[family:account\],\[qualifier:password\],\[value:123451231236\],\[time:1495556648013\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\],\[time:1495556648664\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\],\[time:1495636370056\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]

3.2. 基于限定符Qualifier（列）过滤数据的QualifierFilter  
构造函数：  
QualifierFilter(CompareFilter.CompareOp op, ByteArrayComparable qualifierComparator)  
    Table table = connection.getTable(TableName.valueOf("user"));  
        QualifierFilter ff = new QualifierFilter(  
                CompareOp.EQUAL , new BinaryComparator(Bytes.toBytes("name")));  
//         new BinaryPrefixComparator(value) //匹配字节数组前缀  
//         new RegexStringComparator(expr) // 正则表达式匹配  
//         new SubstringComparator(substr)// 子字符串匹配   
        Scan scan = new Scan();  
        // 通过scan.addFamily(family)  也可以实现此操作  
        scan.setFilter(ff);  
        ResultScanner resultScanner = table.getScanner(scan);  
测试结果：只返回 name 的列内容  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\],\[time:1495556647984\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]

3.3. 基于列名(即Qualifier)前缀过滤数据的ColumnPrefixFilter  （ 该功能用QualifierFilter也能实现 ）  
构造函数：  
ColumnPrefixFilter(byte\[\] prefix)   
Table table = connection.getTable(TableName.valueOf("user"));  
         ColumnPrefixFilter ff = new ColumnPrefixFilter(Bytes.toBytes("name"));  
        Scan scan = new Scan();  
        // 通过QualifierFilter的 newBinaryPrefixComparator也可以实现  
        scan.setFilter(ff);  
        ResultScanner resultScanner = table.getScanner(scan);

返回结果：  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\],\[time:1495556647984\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]

3.4. 基于多个列名(即Qualifier)前缀过滤数据的MultipleColumnPrefixFilter  
MultipleColumnPrefixFilter 和 ColumnPrefixFilter 行为差不多，但可以指定多个前缀  
byte\[\]\[\] prefixes = new byte\[\]\[\] \{Bytes.toBytes("name"), Bytes.toBytes("age")\};  
        //返回所有行中以name或者age打头的列的数据  
        MultipleColumnPrefixFilter ff = new MultipleColumnPrefixFilter(prefixes);  
   
        Scan scan = new Scan();  
        scan.setFilter(ff);  
        ResultScanner rs = table.getScanner(scan);    
结果:  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\],\[time:1495556647984\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\],\[time:1495556648045\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\],\[time:1495556648878\]

3.5. 基于列范围过滤数据ColumnRangeFilter  
构造函数：  
ColumnRangeFilter(byte\[\] minColumn, boolean minColumnInclusive, byte\[\] maxColumn, boolean maxColumnInclusive)  
参数解释：  
minColumn - 列范围的最小值，如果为空，则没有下限；  
minColumnInclusive - 列范围是否包含minColumn ；  
maxColumn - 列范围最大值，如果为空，则没有上限；  
maxColumnInclusive - 列范围是否包含maxColumn 。  
代码：  
Table table = connection.getTable(TableName.valueOf("user"));  
        byte\[\] startColumn = Bytes.toBytes("a");  
        byte\[\] endColumn = Bytes.toBytes("d");  
        //返回所有列中从a到d打头的范围的数据，  
        ColumnRangeFilter ff = new ColumnRangeFilter(startColumn, true, endColumn, true);  
        Scan scan = new Scan();  
        scan.setFilter(ff);  
        ResultScanner rs = table.getScanner(scan);    
结果：返回列名开头是a 到  d的所有列数据  
\[row:lisi\_1495527850114\],\[family:address\],\[qualifier:city\],\[value:黄埔\],\[time:1495556648017\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\],\[time:1495556648045\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\],\[time:1495556648878\]

4. RowKey  
当需要根据行键特征查找一个范围的行数据时，使用Scan的startRow和stopRow会更高效，但是，startRow和stopRow只能匹配行键的开始字符，而不能匹配中间包含的字符：  
        byte\[\] startColumn = Bytes.toBytes("azha");  
        byte\[\] endColumn = Bytes.toBytes("dddf");  
        Scan scan = new Scan(startColumn,endColumn);  
当需要针对行键进行更复杂的过滤时，可以使用RowFilter：  
构造函数：  
RowFilter(CompareFilter.CompareOp rowCompareOp, ByteArrayComparable rowComparator)

代码：  
Table table = connection.getTable(TableName.valueOf("user"));  
        RowFilter rf = new RowFilter(CompareOp.EQUAL ,   
                new SubstringComparator("zhangsan"));  
        //         new BinaryPrefixComparator(value) //匹配字节数组前缀  
        //         new RegexStringComparator(expr) // 正则表达式匹配  
        //         new SubstringComparator(substr)// 子字符串匹配   
        Scan scan = new Scan();  
        scan.setFilter(rf);  
        ResultScanner rs = table.getScanner(scan);   
结果：  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\],\[time:1495556648664\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\],\[time:1495636370056\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]  
\[row:zhangsan\_1495527850951\],\[family:address\],\[qualifier:province\],\[value:guangdong\],\[time:1495556648855\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\],\[time:1495556648878\]  
\[row:zhangsan\_1495527851080\],\[family:info\],\[qualifier:sex\],\[value:男\],\[time:1495556648983\]  
\[row:zhangsan\_1495527851095\],\[family:userid\],\[qualifier:id\],\[value:001\],\[time:1495556648996\]

5.PageFilter  
指定页面行数，返回对应行数的结果集。  
需要注意的是，该过滤器并不能保证返回的结果行数小于等于指定的页面行数，因为过滤器是分别作用到各个region server的，它只能保证当前region返回的结果行数不超过指定页面行数。  
构造函数：  
PageFilter(long pageSize)  
代码：  
Table table = connection.getTable(TableName.valueOf("user"));  
        PageFilter pf = new PageFilter(2L);  
        Scan scan = new Scan();  
        scan.setFilter(pf);  
        scan.setStartRow(Bytes.toBytes("zhangsan\_"));  
        ResultScanner rs = table.getScanner(scan);

结果：返回的结果实际上有四条，因为这数据来自不同RegionServer,   
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\],\[time:1495556648664\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\],\[time:1495636370056\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\],\[time:1495556648729\]

6.SkipFilter  
根据整行中的每个列来做过滤，只要存在一列不满足条件，整行都被过滤掉。  
例如，如果一行中的所有列代表的是不同物品的重量，则真实场景下这些数值都必须大于零，我们希望将那些包含任意列值为0的行都过滤掉。  
在这个情况下，我们结合ValueFilter和SkipFilter共同实现该目的：  
scan.setFilter(new SkipFilter(new ValueFilter(CompareOp.NOT\_EQUAL,new BinaryComparator(Bytes.toBytes(0))));  
构造函数：  
SkipFilter(Filter filter)   
代码：  
Table table = connection.getTable(TableName.valueOf("user"));  
        SkipFilter sf = new SkipFilter(new ValueFilter(CompareOp.NOT\_EQUAL,  
                new BinaryComparator(Bytes.toBytes("zhangsan"))));  
        Scan scan = new Scan();  
        scan.setFilter(sf);  
        ResultScanner rs = table.getScanner(scan);   
结果：  
\[row:lisi\_1495527849910\],\[family:account\],\[qualifier:idcard\],\[value:42963319861234561230\],\[time:1495556647872\]  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\],\[time:1495556647984\]  
\[row:lisi\_1495527850111\],\[family:account\],\[qualifier:password\],\[value:123451231236\],\[time:1495556648013\]  
\[row:lisi\_1495527850114\],\[family:address\],\[qualifier:city\],\[value:黄埔\],\[time:1495556648017\]  
\[row:lisi\_1495527850136\],\[family:address\],\[qualifier:province\],\[value:shanghai\],\[time:1495556648041\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\],\[time:1495556648045\]  
\[row:lisi\_1495527850154\],\[family:info\],\[qualifier:sex\],\[value:女\],\[time:1495556648056\]  
\[row:lisi\_1495527850159\],\[family:userid\],\[qualifier:id\],\[value:002\],\[time:1495556648060\]  
\[row:wangwu\_1495595824517\],\[family:userid\],\[qualifier:id\],\[value:009\],\[time:1495624624131\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\],\[time:1495556648664\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\],\[time:1495636370056\]  
\[row:zhangsan\_1495527850951\],\[family:address\],\[qualifier:province\],\[value:guangdong\],\[time:1495556648855\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\],\[time:1495556648878\]  
\[row:zhangsan\_1495527851080\],\[family:info\],\[qualifier:sex\],\[value:男\],\[time:1495556648983\]  
\[row:zhangsan\_1495527851095\],\[family:userid\],\[qualifier:id\],\[value:001\],\[time:1495556648996\]  
和原来数据相比  列值为name的 zhagnsan的所在行的 rowkey   为   zhangsan\_1495527850824 在上面结果中是过滤了  
\[row:lisi\_1495527849910\],\[family:account\],\[qualifier:idcard\],\[value:42963319861234561230\]  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\]  
\[row:lisi\_1495527850111\],\[family:account\],\[qualifier:password\],\[value:123451231236\]  
\[row:lisi\_1495527850114\],\[family:address\],\[qualifier:city\],\[value:黄埔\]  
\[row:lisi\_1495527850136\],\[family:address\],\[qualifier:province\],\[value:shanghai\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\]  
\[row:lisi\_1495527850154\],\[family:info\],\[qualifier:sex\],\[value:女\]  
\[row:lisi\_1495527850159\],\[family:userid\],\[qualifier:id\],\[value:002\]  
\[row:wangwu\_1495595824517\],\[family:userid\],\[qualifier:id\],\[value:009\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\]  
\[row:zhangsan\_1495527850951\],\[family:address\],\[qualifier:province\],\[value:guangdong\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\]  
\[row:zhangsan\_1495527851080\],\[family:info\],\[qualifier:sex\],\[value:男\]  
\[row:zhangsan\_1495527851095\],\[family:userid\],\[qualifier:id\],\[value:001\]

7. FirstKeyOnlyFilter  
该过滤器仅仅返回每一行中的第一个cell的值，可以用于高效的执行行数统计操作。  
构造函数：  
public FirstKeyOnlyFilter()

代码  
Table table = connection.getTable(TableName.valueOf("user"));  
         FirstKeyOnlyFilter fkof = new FirstKeyOnlyFilter();  
            Scan scan = new Scan();  
            scan.setFilter(fkof);  
            ResultScanner rs = table.getScanner(scan);

结果： 看着返回数据还没明白，仅仅返回每一行中的第一个cell的值，可以用于高效的执行行数统计操作。  
\[row:lisi\_1495527849910\],\[family:account\],\[qualifier:idcard\],\[value:42963319861234561230\],\[time:1495556647872\]  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\],\[time:1495556647984\]  
\[row:lisi\_1495527850111\],\[family:account\],\[qualifier:password\],\[value:123451231236\],\[time:1495556648013\]  
\[row:lisi\_1495527850114\],\[family:address\],\[qualifier:city\],\[value:黄埔\],\[time:1495556648017\]  
\[row:lisi\_1495527850136\],\[family:address\],\[qualifier:province\],\[value:shanghai\],\[time:1495556648041\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\],\[time:1495556648045\]  
\[row:lisi\_1495527850154\],\[family:info\],\[qualifier:sex\],\[value:女\],\[time:1495556648056\]  
\[row:lisi\_1495527850159\],\[family:userid\],\[qualifier:id\],\[value:002\],\[time:1495556648060\]  
\[row:wangwu\_1495595824517\],\[family:userid\],\[qualifier:id\],\[value:009\],\[time:1495624624131\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\],\[time:1495556648664\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\],\[time:1495636452285\]  
\[row:zhangsan\_1495527850951\],\[family:address\],\[qualifier:province\],\[value:guangdong\],\[time:1495556648855\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\],\[time:1495556648878\]  
\[row:zhangsan\_1495527851080\],\[family:info\],\[qualifier:sex\],\[value:男\],\[time:1495556648983\]  
\[row:zhangsan\_1495527851095\],\[family:userid\],\[qualifier:id\],\[value:001\],\[time:1495556648996\]  
对比原数据“  
\[row:lisi\_1495527849910\],\[family:account\],\[qualifier:idcard\],\[value:42963319861234561230\]  
\[row:lisi\_1495527850081\],\[family:account\],\[qualifier:name\],\[value:lisi\]  
\[row:lisi\_1495527850111\],\[family:account\],\[qualifier:password\],\[value:123451231236\]  
\[row:lisi\_1495527850114\],\[family:address\],\[qualifier:city\],\[value:黄埔\]  
\[row:lisi\_1495527850136\],\[family:address\],\[qualifier:province\],\[value:shanghai\]  
\[row:lisi\_1495527850144\],\[family:info\],\[qualifier:age\],\[value:21\]  
\[row:lisi\_1495527850154\],\[family:info\],\[qualifier:sex\],\[value:女\]  
\[row:lisi\_1495527850159\],\[family:userid\],\[qualifier:id\],\[value:002\]  
\[row:wangwu\_1495595824517\],\[family:userid\],\[qualifier:id\],\[value:009\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:idcard\],\[value:9897645464646\]  
\[row:zhangsan\_1495527850759\],\[family:account\],\[qualifier:passport\],\[value:5689879898\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:country\],\[value:china\]  
\[row:zhangsan\_1495527850824\],\[family:account\],\[qualifier:name\],\[value:zhangsan\]  
\[row:zhangsan\_1495527850951\],\[family:address\],\[qualifier:province\],\[value:guangdong\]  
\[row:zhangsan\_1495527850975\],\[family:info\],\[qualifier:age\],\[value:100\]  
\[row:zhangsan\_1495527851080\],\[family:info\],\[qualifier:sex\],\[value:男\]  
\[row:zhangsan\_1495527851095\],\[family:userid\],\[qualifier:id\],\[value:001\]  
对比一下明显，rowkey相同的只会返回第一个rowkey的所在cell数据  
\---------------------

![70][]

[https_blog.csdn.net_lr131425_article_details_72676254]: https://blog.csdn.net/lr131425/article/details/72676254
[70]: /images/20220415/46cae450a1b947198bac29a4ea66a407.png