过滤器是在get或者scan时候过滤结果用的,.HBase中的过滤器被用户创建出来后会被序列化为可以网络传输的格式,然后被分发到各个RegionServer.然后在RegionServer中Filter被还原出来,这样在Scan遍历过程中,不满足条件的结果都不会被返回客户端

markdown_img_paste_20181210115035395

所有的过滤器都要实现Filter接口.HBase同时还提供了FilterBase抽象类,它提供了Filter接口的默认实现

值过滤器ValueFilter

表中数据

hbase(main):018:0> scan 'test'
ROW                                               COLUMN+CELL                                                                                       row1                                             column=cf:name, timestamp=1544414130937, value=tom                                                                                         row2                                             column=cf:name, timestamp=1544414140380, value=jon                                                                                         row3                                             column=cf:name, timestamp=1544414146003, value=wang                                                                                        row4                                             column=cf:name, timestamp=1544414151373, value=qiang                                                                                      row5                                             column=cf:name, timestamp=1544414159901, value=sam                                                                                     
5 row(s)
Took 0.0470 seconds

要求挑选出name中带a字母的name

public void valueFilter() throws IOException {
    Connection connection = ConnectionFactory.createConnection();
    Table table = connection.getTable(TableName.valueOf("default:test"));
    Scan scan = new Scan();
    //值过滤器
    ValueFilter filter = new ValueFilter(CompareOperator.EQUAL, new SubstringComparator("a"));
    scan.setFilter(filter);
    ResultScanner results = table.getScanner(scan);
    for (Result result : results) {
        String value = Bytes.toString(result.getValue(Bytes.toBytes("cf"), Bytes.toBytes("name")));
        System.out.println(value);
    }
    table.close();
    connection.close();
}

结果
```
wang
qiang
sam
```

对于CompareOperator.EQUAL中的枚举有如下几个

LESS,      小于
/** less than or equal to */
LESS_OR_EQUAL,  小于或者等于
/** equals */
EQUAL,   等于
/** not equal */
NOT_EQUAL,   不等于
/** greater than or equal to */
GREATER_OR_EQUAL,  大于等于
/** greater than */
GREATER,  大于
/** no operation */
NO_OP,   无操作

而对于SubstringComparator是一个编辑器,作用是判断目标中是否含有指定字符串
这个代码比较了所有cell的value,当前只是有一个name列,如果在添加一个其他列是什么情况呢
```
hbase(main):019:0> put 'test','row1','cf:tmp','aaa'
```
再次扫描的结果
```
null
wang
qiang
sam
```
会出现一个null值,这个null值就是对应的新增列tmp,为什么会出现null呢,因为scan对象在扫描row1的时候发现tmp也是符合规则的,然后将它一并返回了回来,但是我们只是在代码中取得name,而不是tmp,所以这也是为什么会出现null了.
对于上面scan是直接扫描一行的,那有没有扫描一列的呢?

单列值过滤器SingleColumnValueFilter

重复代码就不贴了,只需要将Filter换为SingleColumnValueFilter即可

SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("cf"), Bytes.toBytes("name"),
               CompareOperator.EQUAL, new SubstringComparator("a"));

结果
```
wang
qiang
sam
```
使用这个Filter需要注意的是,在我们指定扫描的列不存在的时候,会将一整行的数据都放入结果集,即如果我们更改上面的列信息为names,表中并没有这一列,这个过滤器就会返回这一行的所有数据
所以在使用这个过滤器的时候,如果能够确保每一行都有指定的列,那么使用没问题,如果无法确保我们可以在返回的结果集中寻找我们想要的信息,或者使用过滤器列表,即一组过滤器的集合,进行同时过滤,后面会说这个

比较运算

可能看到上面的SubstringComparator会有点蒙,从名字上我看我们就能够知道是子串比较,类似SQL的Like,这个类是继承ByteArrayComparable的,即字符比较,它是一个抽象类,实现了Comparable接口,其实现类有字节比较,正则比较,,数字比较一系列的实现类,那么我们来看一下具体是怎么用的

要求,查找出name为wang的行,即name='wang'

SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("cf"), Bytes.toBytes("name"),
                CompareOperator.EQUAL, new BinaryComparator(Bytes.toBytes("wang")));

只需要把子串过滤器换一下就好了,然后结果就只输出了我们要查找的内容
我们已经清楚了,在HBase中是按字节比较的,我们表中的name按字典排序应该是这样的
```
jon
qiang
sam
tom
wang
```

所以现在的需求是取出大于som的即将比较枚举换为GREATER,然后结果为tom和wang

SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("cf"), Bytes.toBytes("name"),
                CompareOperator.GREATER, new BinaryComparator(Bytes.toBytes("som")));

之前我们操作过当使用HBase的shell保存数字的时候,他其实是按字符串保存进去的,如果你想保存真正的数字,就使用api,在使用api保存后,我们看到数字已经是一堆乱码了,其实这是数字保存为字节数组后的结果,所以如果我们要比较数字首先确保整个数字是按数字类型保存的,之后再使用BinaryComparator比较即可
```
Filter filter = new SingleColumnValueFilter(Bytes.toBytes("cf"),Bytes.toBytes("age"),
                CompareOperator.GREATER,new BinaryComparator(Bytes.toBytes(15)));
```

分页过滤器PageFilter

HBase只能实现SQL中的limit的功能,如下代码

public void pageFilter() throws IOException {
    Connection connection = ConnectionFactory.createConnection();
    Table table = connection.getTable(TableName.valueOf("test"));
    Scan scan = new Scan();
    //设置分页大小
    Filter filter = new PageFilter(2);
    scan.setFilter(filter);
    ResultScanner results = table.getScanner(scan);
    for (Result result : results) {
        for (Cell cell : result.listCells()) {
            System.out.println(Bytes.toString(CellUtil.cloneValue(cell)));
        }
    }
    table.close();
    connection.close();
}

如果想实现limit n,n功能的话,只能是保存上一页中最后一个rowkey,然后从此rowkey的下一个开始扫描,比如这样

public void pageFilter() throws IOException {
    ...
    byte[] rowkey = null;
    for (Result result : results) {
        for (Cell cell : result.listCells()) {
            System.out.println(Bytes.toString(CellUtil.cloneValue(cell)));
            rowkey = CellUtil.cloneRow(cell);
        }
    }
    System.out.println("************************");
    scan.withStartRow(Bytes.add(rowkey,new byte[1]));  //这里设置了下一次的scan的起始key
    ResultScanner results1 = table.getScanner(scan);
    for (Result result : results1) {
        for (Cell cell : result.listCells()) {
            System.out.println(Bytes.toString(CellUtil.cloneValue(cell)));
        }
    }
    ...
}

如上代码很容易读懂,为什么最后要加一个空字节,这是因为Scan返回的结果是包含startRowkey对应的记录的(即不希望把上一页的最后一个行也读出来),而我们不希望第二次的Scan结果集把第一次的最后一条记录包含进去.
需要注意的是本文开始提到了,过滤器是分发执行的,所以彼此之间并不知道回返了多少条,可能出现返回的数据多余n行,这时候如果精确控制的n行的话,就需要自己去处理返回结果集

过滤器集合FilterList

即一组过滤器组合在一起对数据进行过滤

要求过滤包含w子串的并取前两个结果显示,这很明显是单列过滤+分页显示

...
SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("cf"), Bytes.toBytes("name"), CompareOperator.EQUAL, new SubstringComparator("w"));
PageFilter pageFilter = new PageFilter(2);
FilterList list = new FilterList();
list.addFilter(pageFilter);
list.addFilter(filter);
scan.setFilter(list);
...

核心的代码就上面的一段,这段代码就可以完成上面的要求,那颠倒过滤器的顺序会导致结果发生变化吗,我参考的教材上说是有影响的,给出的理由是List是有序的所以会按照添加的过滤器顺序来,但是在我测试的时候,并没有出现这种情况,所以在这请留意一下自己的版本的差异
实现AND 或者 OR关系,我们并可能只用一个条件,肯定有些时候会用到AND或者OR条件,那么该怎么实现呢?

FilterList.Operator中包含两个枚举

public enum Operator {
  /** !AND */
  MUST_PASS_ALL,
  /** !OR */
  MUST_PASS_ONE
}

他们用在FilterList创建的对象的时候,比如

FilterList list = new FilterList(FilterList.Operator.MUST_PASS_ONE);

上面就表示符合list中过滤器集合的任何一个条件都可以被返回,但是如果你list中包含了page分页限制是没有效果的,原因是当你用MUST_PASS_ONE的时候就算分页过滤器中的计数器达到最大条数后,扫描器依然会往下继续遍历所有数据,以找出满足单列值过滤器的记录
如何实现(1 and 2) or 3的效果呢,我们可以将(1 and 2)看做是一个过滤器集合,然后or 3是一个,所以实现方式就是FilterList嵌套就好了
```
FilterList or = new FilterList(FilterList.Operator.MUST_PASS_ONE);
FilterList and = new FilterList(FilterList.Operator.MUST_PASS_ALL,or);
```
动手实现以下,表中列active=1并且名字包含wang的,或者名字中包含s的,下面是表中的数据

markdown_img_paste_20181210212059758

public void test() throws IOException {
//        表中列active=1并且名字包含wang的,或者名字中包含s的
    Connection connection = ConnectionFactory.createConnection();
    //包含wang的
    SingleColumnValueFilter wangFilter = new SingleColumnValueFilter(Bytes.toBytes("cf"),
            Bytes.toBytes("name"),CompareOperator.EQUAL,new SubstringComparator("Wang"));
    //active==1的
    SingleColumnValueFilter activeFilter = new SingleColumnValueFilter(Bytes.toBytes("cf"),
            Bytes.toBytes("active"),CompareOperator.EQUAL,new BinaryComparator(Bytes.toBytes("1")));
    //两个条件必须全部满足
    FilterList one = new FilterList(FilterList.Operator.MUST_PASS_ALL);
    one.addFilter(wangFilter);
    one.addFilter(activeFilter);

    //名字带s
    SingleColumnValueFilter sFilter = new SingleColumnValueFilter(Bytes.toBytes("cf"),
            Bytes.toBytes("name"),CompareOperator.EQUAL,new SubstringComparator("s"));
    FilterList two = new FilterList();
    two.addFilter(sFilter);

    //两个过滤器是满足其中一个就好
    FilterList three = new FilterList(FilterList.Operator.MUST_PASS_ONE,one,two);
    Scan scan = new Scan();
    scan.setFilter(three);
    ResultScanner results = connection.getTable(TableName.valueOf("test")).getScanner(scan);
    //正确结果是:名字带wang并且active==1 或者是名字带s,active没要求
    for (Result result : results) {
        for (Cell cell : result.listCells()) {
            System.out.println(Bytes.toString(CellUtil.cloneRow(cell))+"=>"+
                    Bytes.toString(CellUtil.cloneQualifier(cell))+"=>"+Bytes.toString(CellUtil.cloneValue(cell)));
        }
    }
    connection.close();
}

结果

row1=>active=>1
row1=>name=>billyWangpaul
row2=>active=>1
row2=>name=>sara
row3=>active=>0
row3=>name=>chris
row5=>active=>1
row5=>name=>andyWang

行过滤器RowFilter

针对rowkey过滤,即该rowkey是否大于小于等于指定rowkey

找出大于row3的行

RowFilter filter = new RowFilter(CompareOperator.GREATER,new BinaryComparator(Bytes.toBytes("row3")));

多范围行过滤器MultiRowRangeFilter

还有多范围行键过滤,即row1到row3和row5到row6之间的值

MultiRowRangeFilter.RowRange rowRange1 = new MultiRowRangeFilter.RowRange("row1",true,"row3",false);
MultiRowRangeFilter.RowRange rowRange2 = new MultiRowRangeFilter.RowRange("row4",true,"row6",false);
List<MultiRowRangeFilter.RowRange> rowRanges = Arrays.asList(rowRange1, rowRange2);
MultiRowRangeFilter filter = new MultiRowRangeFilter(rowRanges);
Scan scan = new Scan();
scan.setFilter(filter);

对于boolean参数的解释:第一个boolean是指是否包含指定的起始行键,第二个boolean是指是否包含指定的结束行键,上面程序返回了row1,row2,row4,row5

行键前缀过滤器PrefixFilter

可以匹配行键前缀,现在表中的行键都是rowX,我们把它都扫描出来
```
PrefixFilter filter = new PrefixFilter(Bytes.toBytes("row"));
```

模糊行键过滤FuzzyRowFilter

知道行键的开头如何匹配了,就剩下中间和末尾匹配了
下面是一种rowkey的格式,2016年6月22日去了北京
```
2016_06_22_beijing
```
如果我们想把他查出来,比如要求是2016年,他都什么时间去了beijing,那么可以用这个过滤器

要求查找2016年什么时间去北京了和2012年什么时间去干什么了

Pair<byte[], byte[]> par1 = new Pair<>(Bytes.toBytes("2016_??_??_beijing"),new byte[]{
        0,0,0,0,0,1,1,0,1,1,0,0,0,0,0,0,0,0
});
Pair<byte[], byte[]> par2 = new Pair<>(Bytes.toBytes("2012"),new byte[]{
        0,0,0,0
});
List<Pair<byte[], byte[]>> fuzzy = Arrays.asList(par1,par2);
FuzzyRowFilter filter = new FuzzyRowFilter(fuzzy);
Scan scan = new Scan();
scan.setFilter(filter);

上面的Pair有两部分构成,一个是行键,一个行键掩码fuzzy info
- 行键,里面的问号可以用任意字符代替,具体的数字也没问题,问号代替了你模糊不清的条件,因为我们要查询时间,所以时间就是模糊不清的
- 掩码:掩码长度必须和你的行键长度一致,0代表确认了,所以2016对应的下面的bytes数组的前四位为0,下划线也是确认的所以是0,而1代表不确定,所以行键的问号位置对应的byte数组位置上的数字为1,然后第二个Pair查询的2012都干啥了,其实也可以用行键前缀过滤,如上这么写也是可以的

包含结尾过滤器InclusiveStopFilter

使用scan返回的结果集并不会返回终止行,如果想返回终止行数据,可以在终止行rowkey上加一个字节的数据,然后作为stoprow的条件,或者使用这次介绍的过滤器
```
InclusiveStopFilter filter = new InclusiveStopFilter(Bytes.toBytes("2016_08_15_beijing"));
```
更简单的方式是在设置结束行键的时候指定一下参数
```
scan.withStopRow(Bytes.toBytes("2016_08_15_beijing"),true);
```
true就是包含,false就不是默认的不包含,如果你没有这参数,可能是版本不一致,我的是2.1.1

随机行过滤器RandomRowFilter

即抽取一部分数据的时候用

RandomRowFilter filter = new RandomRowFilter(0.5F);

在抽样的时候,每到一行都会生成一个float,用生成的float跟你传入的参数比,如果比你传入的参数小,那么数据会被抽出来,否则就被过滤掉,当构造参数为负数,即过滤掉所有的,大于1是全部抽取,所以这个参数就是你到总体数据的百分比

列族过滤器FamilyFilter

即将符合规则的列族放入结果集,使用很简单

FamilyFilter filter = new FamilyFilter(CompareOperator.EQUAL,new BinaryComparator(Bytes.toBytes("cf")));

列过滤器QualifierFilter

即将符合规则的列放入结果集

QualifierFilter filter = new QualifierFilter(CompareOperator.EQUAL,new BinaryComparator(Bytes.toBytes("namex")));

列依赖过滤器DependentColumnFilter

首先准备数据

Put put = new Put(Bytes.toBytes("row1")).addColumn(Bytes.toBytes("cf"), Bytes.toBytes("name"), Bytes.toBytes("w1"))
        .addColumn(Bytes.toBytes("cf"), Bytes.toBytes("age"), Bytes.toBytes("14"));

Put put1 = new Put(Bytes.toBytes("row2")).addColumn(Bytes.toBytes("cf"), Bytes.toBytes("name"), Bytes.toBytes("w2"))
        .addColumn(Bytes.toBytes("cf"), Bytes.toBytes("age"), Bytes.toBytes("23"));

现在表中是这样的,目前timestamp都是一致的

markdown_img_paste_20181211135004725

然后我们使用这个过滤器,指定依赖的列为name

DependentColumnFilter filter = new DependentColumnFilter(Bytes.toBytes("cf"),Bytes.toBytes("name"));

结果
```
row1=>14
row1=>w1
row2=>23
row2=>w2
```
然后我们从新put一下row1的age,以更新age列的timestamp
```
hbase(main):014:0> put 'test','row1','cf:age','14'
```
所以现在row1的name列的时间戳是最新的,然后在执行这个过滤器
```
row1=>w1
row2=>23
row2=>w2
```
我们发现就只剩下了name列返回了,而row2是不受影响的,因为我们并没有改变row2的数据的时间戳,到这就可以知道了,这个过滤器是指定一行中的列,用指定的列的时间戳去比较这一行的其他列,如果时间戳一样就返回,否则就不返回,为了证明这一点,我们继续,这次将row1的name和age再从新put,设置为同一时间戳,用api更新
```
Put put = new Put(Bytes.toBytes("row1")).addColumn(Bytes.toBytes("cf"), Bytes.toBytes("name"), Bytes.toBytes("w1"))
        .addColumn(Bytes.toBytes("cf"), Bytes.toBytes("age"), Bytes.toBytes("14"));
```
现在我们就看到了,row1的name和age是一样的时间戳

markdown_img_paste_20181211135550710

然后在执行这个过滤器,刚才消失的age就又出现了
```
row1=>14
row1=>w1
row2=>23
row2=>w2
```

列前缀过滤器ColumnPrefixFilter

与行前缀过滤器一样,下面是使用

过滤列前缀为ag的cell

ColumnPrefixFilter filter = new ColumnPrefixFilter(Bytes.toBytes("ag"));

多列前缀过滤器MultipleColumnPrefixFilter

跟多行区间过滤一样的,过滤多个列,下面是使用

byte[][] bytes = {Bytes.toBytes("age"),Bytes.toBytes("name")};
MultipleColumnPrefixFilter filter = new MultipleColumnPrefixFilter(bytes);

列名过滤器KeyOnlyFilter

这个过滤器不过滤数据,只是把列名拿出来
```
KeyOnlyFilter filter = new KeyOnlyFilter();
```

首列名过滤器FirstKeyOnlyFilter

此过滤器只过滤一行中的第一个列,当遇到一行中的一个列的时候,他就不会再往剩余的列执行了,转而执行下一行,去找下一行的第一个列
过滤器的作用就是把每一行的第一个列名拿出来,可以用在count所有列上,

求这个表中一共有多少行

FirstKeyOnlyFilter filter = new FirstKeyOnlyFilter();

scan设置为上面的过滤器后,然后去遍历结果看看一共有多少返回就可以了,因为有列必定存在行

列名范围过滤器ColumnRangeFilter

跟过滤rowkey的范围一样,就是指定一下最小列名和最大列名就可以,然后取出给出范围内的列名,如果最小列名为ab,最大的为ad,那么ac,abc都可以被取出,而ag不可以
```
ColumnRangeFilter filter = new ColumnRangeFilter(Bytes.toBytes("ab"),true,Bytes.toBytes("ad"),false);
```
boolean参数代表是否包含最小列名和最大列名

列数量过滤器ColumnCountGetFilter

上面的过滤器都是针对scan使用的,而这个是用于get的,用处是取前n个列的值

...
ColumnCountGetFilter filter = new ColumnCountGetFilter(1);
Table table = connection.getTable(TableName.valueOf("test"));
Get get1 = new Get(Bytes.toBytes("row1"));
get1.setFilter(filter);
Get get2 = new Get(Bytes.toBytes("row2"));
get2.setFilter(filter);
List<Get> list = Arrays.asList(get1,get2);
Result[] result = table.get(list);
...

上面设置了两个get,得到两行的前1个列的数据
当然这个也可以用于scan,假如你表中每一行都有3列,那么你设置过滤前2列,当执行的时候,结果只会返回第一行的前2列,因为多出来了一列,过滤器就会退出,如果你设置过滤前3列的时候,就会返回所有数据,因为这是最大的列数了,当你在某一行又新增一列的时候,scan扫描到这一行会停止,会返回这一行的前n列和之前扫描过的数据

markdown_img_paste_20181211150814222

列翻页过滤器ColumnPaginationFilter

这个也是用于get的,是取一行列的范围的,比如第2列到第4列
```
ColumnPaginationFilter filter = new ColumnPaginationFilter(2,2);
```
第一个构造参数是说明分页大小,第二个参数是从第几个列开始遍历

时间戳过滤器TimestampsFilter

这个过滤器同样适用get和scan,他的构造参数并不是时间戳的区间范围,而是准确值,所以这个过滤器更适合timestamp是自定义的情况
```
List<Long> list = Arrays.asList(1544512482917L,1544507404825L);
TimestampsFilter filter = new TimestampsFilter(list);
```
只会返回和给定时间戳一样的数据

装饰过滤器

装饰过滤器是一类过滤器的统称.这类过滤器不能单独地使用,它必须依赖别的过滤器才能起作用.我们用装饰过滤器来包装其他过滤器,实现了对过滤器结果的扩展和修改
跳转过滤器SkipFilter
- 用这种过滤器来包装别的过滤器的时候,当被包装的过滤器判断当前的KeyValue需要被跳过的时候,整行都会被跳过.换句话说只需要某一行中的某一列被跳过,这行数据就会被跳过.不过被包装的过滤器必须实现filterKeyValue()方法,否则跳转过滤器（SkipFilter）无法正常工作.
- 现在表中是这样的

markdown_img_paste_20181211153436176

要求只要遇到age==14的就跳过此行

ValueFilter valueFilter = new ValueFilter(CompareOperator.NOT_EQUAL,new BinaryComparator(Bytes.toBytes("14")));
SkipFilter filter = new SkipFilter(valueFilter);
scan.setFilter(filter);

全匹配过滤器WhileMatchFilter
- 跳转过滤器是只要有一个过滤器的filterKeyValue()方法返回false,整行的数据就会被跳过.而全匹配过滤器有一个过滤器的filterKeyValue()方法返回false, 整体的Scan都会终止
- 比如过滤rowkey为row3的行,如果使用行过滤器,现在表中是这样的
```
RowFilter filter = new RowFilter(CompareOperator.NOT_EQUAL,new BinaryComparator(Bytes.toBytes("row3")));
scan.setFilter(filter);
```
- 结果只是过滤了row3而已,而还可以继续往下扫描,row4..row5...
```
row1=>150
row2=>23
row2=>w2
row4=>w4
```
- 使用全匹配,即遇到row3,scan就停止了然后后面也就不扫描了
```
RowFilter filter = new RowFilter(CompareOperator.NOT_EQUAL,new BinaryComparator(Bytes.toBytes("row3")));
WhileMatchFilter whileMatchFilter = new WhileMatchFilter(filter);
scan.setFilter(whileMatchFilter);
```
- 结果还是有返回的,只是返回之前已经匹配好的结果
```
row1=>14
row1=>nan
row1=>xx14
row1=>w1
row1=>150
row2=>23
row2=>w2
```

HBase过滤器

值过滤器ValueFilter

单列值过滤器SingleColumnValueFilter

比较运算

分页过滤器PageFilter

过滤器集合FilterList

行过滤器RowFilter

多范围行过滤器MultiRowRangeFilter

行键前缀过滤器PrefixFilter

模糊行键过滤FuzzyRowFilter

包含结尾过滤器InclusiveStopFilter

随机行过滤器RandomRowFilter

列族过滤器FamilyFilter

列过滤器QualifierFilter

列依赖过滤器DependentColumnFilter

列前缀过滤器ColumnPrefixFilter

多列前缀过滤器MultipleColumnPrefixFilter

列名过滤器KeyOnlyFilter

首列名过滤器FirstKeyOnlyFilter

列名范围过滤器ColumnRangeFilter

列数量过滤器ColumnCountGetFilter

列翻页过滤器ColumnPaginationFilter

时间戳过滤器TimestampsFilter

装饰过滤器

热门文章

最新文章

相关课程

相关电子书

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

HBase过滤器

值过滤器ValueFilter

单列值过滤器SingleColumnValueFilter

比较运算

分页过滤器PageFilter

过滤器集合FilterList

行过滤器RowFilter

多范围行过滤器MultiRowRangeFilter

行键前缀过滤器PrefixFilter

模糊行键过滤FuzzyRowFilter

包含结尾过滤器InclusiveStopFilter

随机行过滤器RandomRowFilter

列族过滤器FamilyFilter

列过滤器QualifierFilter

列依赖过滤器DependentColumnFilter

列前缀过滤器ColumnPrefixFilter

多列前缀过滤器MultipleColumnPrefixFilter

列名过滤器KeyOnlyFilter

首列名过滤器FirstKeyOnlyFilter

列名范围过滤器ColumnRangeFilter

列数量过滤器ColumnCountGetFilter

列翻页过滤器ColumnPaginationFilter

时间戳过滤器TimestampsFilter

装饰过滤器

热门文章

最新文章

相关课程

相关电子书