播面 HBase 中的 ROW 和 ROWCOL 布隆过滤器有什么区别？
在 HBase 中，布隆过滤器（Bloom Filter）是一种以牺牲少量空间换取极高读取性能的数据结构。它的主要作用是在读取数据时，快速判断某个 HFile（底层的存储文件）中是否包含所请求的数据，从而避免不必要的磁盘 I/O。
HBase 提供了两种主要级别的布隆过滤器：ROW 和 ROWCOL。它们的核心区别在于过滤的粒度（计算哈希值的目标）不同。
以下是它们的详细区别和对比：
1. ROW 级别布隆过滤器
- 工作原理：它仅对 RowKey（行键） 进行哈希计算和存储。
- 作用：当你发起一个
Get请求查询某个 RowKey 时，HBase 会查询 HFile 的 ROW 布隆过滤器。如果过滤器回答“不存在”，HBase 就会直接跳过这个 HFile；如果回答“可能存在”，HBase 才会去读取这个 HFile 检查数据。 - 适用场景：
- 你的查询模式主要是按 RowKey 获取整行数据。
- 你的行（Row）相对较窄（包含的列不多）。
- 空间开销：较小。因为一个 HFile 中独立的 RowKey 数量相对较少。
2. ROWCOL 级别布隆过滤器
- 工作原理：它对 RowKey（行键）+ Column Family（列族）+ Column Qualifier（列限定符） 的组合进行哈希计算和存储。
- 作用：它不仅能判断 RowKey 是否存在，还能判断特定的某一行中的某一列是否存在于该 HFile 中。
- 适用场景：
- 你的行（Row）非常宽（包含成百上千甚至更多的列）。
- 你的查询模式通常是指定 RowKey 且指定获取其中的某几列（例如使用
Get.addColumn(family, qualifier)）。 - 高频更新不同列的场景：例如，你今天写入了
Row1的ColA（生成了 HFile_1），明天写入了Row1的ColB（生成了 HFile_2）。如果你现在只查Row1的ColA：- 如果使用
ROW过滤器：HFile_1 和 HFile_2 都包含Row1，所以两个文件都会被读取。 - 如果使用
ROWCOL过滤器：HFile_2 的过滤器会告诉你它没有Row1+ColA，因此 HFile_2 会被完美跳过，节省了一半的 I/O。
- 如果使用
- 空间开销：较大。因为
RowKey + 列的组合数量远远大于单纯的 RowKey 数量，这会占用更多的内存（BlockCache）和磁盘空间。
总结对比表
| 特性 | ROW 布隆过滤器 |
ROWCOL 布隆过滤器 |
|---|---|---|
| 哈希计算对象 | RowKey | RowKey + Column Family + Column Qualifier |
| 过滤粒度 | 粗（行级别） | 细（行+列级别） |
| 存储空间/内存开销 | 小 | 大（甚至可能大出好几倍，取决于列的数量） |
| 最优查询模式 | Get(RowKey) 读取整行 |
Get(RowKey, Column) 读取特定行特定列 |
| 对宽表的支持 | 一般（可能导致无用的 HFile 读取） | 极好（精准过滤不包含目标列的文件） |
如何选择？
- 默认选择
ROW：如果你不知道选什么，或者你的表是常规的窄表，且经常读取整行，选择ROW是性价比最高的，它能用最小的内存开销过滤掉大量无效的 HFile 扫描。 - 选择
ROWCOL的条件：只有当你的表是极其宽的表（单行有很多列），并且你的业务逻辑绝大多数时候只请求特定的列，同时这些列的写入时间比较分散（分布在不同的 HFile 中），才应该开启ROWCOL。 - 不使用（
NONE）：如果你的表主要是纯顺序扫描（Scan），或者数据量极小，或者内存极其紧张，可以选择不开启布隆过滤器，因为布隆过滤器对全表 Scan 几乎没有帮助。
建表语法示例：
plaintext
# 创建表，指定布隆过滤器类型为 ROW
create 'my_table', {NAME => 'cf', BLOOMFILTER => 'ROW'}
# 创建表，指定布隆过滤器类型为 ROWCOL
create 'my_table2', {NAME => 'cf', BLOOMFILTER => 'ROWCOL'}