如何解决Bigtable CellsColumnLimitFilter和ValueRangeFilter无法正常工作
我是Bigtable的新手,并且已经根据该文档测试了过滤功能。 https://cloud.google.com/bigtable/docs/using-filters
我已经在testcsvbigtablefilters.py下的此仓库中尝试了此操作,但有一些问题。作为记录,我正在本地计算机上的Bigtable Emulator上对此进行测试 https://github.com/limjix/GoogleCloudBigDataTest
我有2个过滤器的问题:
- CellsColumnLimitFilter(第100-110行,取消注释即可尝试) 此过滤器似乎无效。我有一个3列的表格,但是当我放置CellsColumnLimitFilter(1)或CellsColumnLimitFilter(2)时,我仍然得到所有3列吗?
rows = table.read_rows(filter_=row_filters.CellsColumnLimitFilter(10))
for row in rows:
print_row(row)
- ValueRangeFilter(第172-183行) 该过滤器不起作用,因为例如,我的第一列的值在10000到14000之间。 当我将起始值设置为10,000到14,000时,什么也没有发生。 当我输入0到3时,开始显示10k到14k的值。这没有任何意义,而且过滤器似乎根本不起作用
rows = table.read_rows(
filter_=row_filters.ValueRangeFilter(start_value=b'0',end_value=b'3'))
for row in rows:
print_row(row)
我还要问,如何查询已被覆盖的单元格?我知道bigtable可以在一段时间内保存细胞的突变。如何查询和过滤该单元格的特定时间?
任何帮助都会受到赞赏,其他地方没有太多的教程或文档,希望社区能够为您提供帮助。
谢谢!
解决方法
嘿limjix谢谢您的提问!刚刚介绍了Bigtable过滤文档,因此像这样的问题可以帮助我们改进它。
-
CellsColumnLimitFilter
CellsColumnLimitFilter
限制了输出行中每一列中的单元格数量。在文档中它以cells per column filter的形式列出,因此我可以看到此函数名称会有点令人困惑。
如果您只有一行带有几列,并且这些值只有一个单元格或一个版本,则CellsColumnLimitFilter
将返回所有这些值。如果您只想接收列的数据之一,则可以使用CellsRowLimitFilter
来过滤每行的单元格。或者,您可以使用任何列限定符过滤器来指定特定的列。
-
ValueRangeFilter
我做了一些挖掘工作,我相信我知道您在这里遇到的问题,但我不是100%。如有需要,我们很乐意与您进行进一步的排查。
您似乎直接从CSV设置单元格值:
bigtablerow.set_cell(column_family_id,"column1",#str(float(csvrow[20])+i),csvrow[20],timestamp=datetime.datetime.utcnow())
这对于字符串工作正常,但是如果您将单元格值设置为数字,则python客户端会将其视为可递增值,并将其编码为64位big-endian有符号整数,并且无法与b'10000'。
例如,此代码不会返回任何行:
client = bigtable.Client(project=project_id,admin=True)
instance = client.instance(instance_id)
table = instance.table(table_id)
rows = []
for i in range(10):
row_key = 'test_num{}'.format(i).encode()
row = table.direct_row(row_key)
row.set_cell("cf".encode(),"col".encode(),random.randint(10000,14000)
)
rows.append(row)
table.mutate_rows(rows)
rows = table.read_rows(
filter_=row_filters.ValueRangeFilter(start_value=b'10000',end_value=b'14000'))
for row in rows:
print(row)
但是当我将整数转换为字符串时,我得到了所有行
row.set_cell("cf".encode(),str(random.randint(10000,14000))
)
rows.append(row)
我建议使用CBT工具检查数据的外观。例如,当我执行cbt read
时,第一行如下所示:
test_num0
cf:col @ 2020/09/20-22:24:43.835000
"\x00\x00\x00\x00\x00\x003\xd1"
----------------------------------------
test_num1
cf:col @ 2020/09/20-22:24:43.835000
"\x00\x00\x00\x00\x00\x001t"
字符串看起来像这样(由于我实际上使用了相同的行键,所以它们有两个值,但是您应该明白了):
test_num0
cf:col @ 2020/09/20-22:36:12.075000
"11510"
cf:col @ 2020/09/20-22:24:43.835000
"\x00\x00\x00\x00\x00\x003\xd1"
----------------------------------------
test_num1
cf:col @ 2020/09/20-22:36:12.075000
"12048"
cf:col @ 2020/09/20-22:24:43.835000
"\x00\x00\x00\x00\x00\x001t"
- 查询已被覆盖的单元格
这类似于您在第一个示例中尝试执行的操作。对于已被覆盖的单元格,您正在寻找围绕单元格时间戳(TimestampRangeFilter
)或每列单元格数(再次{CellsColumnLimitFilter
)的过滤器。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。