HBase的过滤器（Filter）机制允许用户在服务端对扫描结果进行筛选，只返回符合条件的行或单元格。与客户端拿到全部数据后再过滤相比，这种方式能够大幅降低网络传输开销和客户端内存压力。过滤器作用于Scan或Get操作，内部通过Filter接口与RegionServer上的扫描器协同工作，每一个KeyValue在返回之前都会经过过滤器链的检查。
HBase过滤器的核心原理与分类
所有过滤器都实现了org.apache.hadoop.hbase.filter.Filter接口，该接口定义了filterKeyValue、filterRowCells、hasFilterRow等核心方法。当RegionServer执行Scan时，StoreScanner会逐行读取HFile或MemStore中的KeyValue，每次读取后都调用过滤器的filterKeyValue方法判断该KeyValue是否应该被返回。如果过滤器返回ReturnCode.INCLUDE则保留，返回SKIP则跳过该KeyValue但继续扫描当前行，返回NEXT_ROW则直接跳到下一行，返回NEXT_COL则跳过当前列剩余的所有版本。
过滤器按功能可以划分为几大类：比较过滤器（CompareFilter及其子类）、专用过滤器（如PageFilter、PrefixFilter、RowFilter等）、装饰过滤器（如SkipFilter、WhileMatchFilter）以及组合过滤器（FilterList）。比较过滤器是使用最频繁的一类，它基于列值、行键或列族限定符与给定的比较器进行匹配。HBase内置了BinaryComparator、SubstringComparator、RegexStringComparator、LongComparator等多种比较器，配合Different、Equal、Greater、Less等比较操作符，可以覆盖大多数条件过滤需求。
了解过滤器的执行顺序对理解性能至关重要。HBase在扫描时优先使用行键范围缩小扫描区间，然后应用列族和列限定符的裁剪，之后才是过滤器链。过滤器链内部按添加顺序依次执行，如果某个过滤器返回NEXT_ROW，后续过滤器就不会再执行。这意味着将选择性高的过滤器放在FilterList前面，可以减少后续过滤器的调用次数，提升整体吞吐。
常用过滤器使用示例
行键前缀过滤可以用PrefixFilter实现。假设行键格式为“userID_timestamp”，要查询某个用户的所有记录，只需要以前缀1001_进行过滤即可。代码示例如下：
Scan scan = new Scan();
scan.setRowPrefixFilter(Bytes.toBytes("1001_"));
// 等价于使用 PrefixFilter
PrefixFilter prefixFilter = new PrefixFilter(Bytes.toBytes("1001_"));
scan.setFilter(prefixFilter);
ResultScanner scanner = table.getScanner(scan);
for (Result result : scanner) {
System.out.println(Bytes.toString(result.getRow()));
}
scanner.close();列值比较过滤使用SingleColumnValueFilter。它检查指定列的值是否满足比较条件，如果不设置setFilterIfMissing(true)，当该列不存在时默认整行会被返回；设置为true后，缺失该列的行也会被过滤掉。下面示例查询年龄大于18的用户：
SingleColumnValueFilter ageFilter = new SingleColumnValueFilter(
Bytes.toBytes("info"),
Bytes.toBytes("age"),
CompareOperator.GREATER,
new BinaryComparator(Bytes.toBytes("18"))
);
ageFilter.setFilterIfMissing(true);
ageFilter.setLatestVersionOnly(true);
Scan scan = new Scan();
scan.setFilter(ageFilter);
scan.addColumn(Bytes.toBytes("info"), Bytes.toBytes("age"));分页查询使用PageFilter，但需要注意PageFilter并不能单独高效工作，通常需要与起始行键配合。因为PageFilter在扫描到指定行数后停止，但不会告知客户端最后一行是什么，所以客户端需要记住上一次扫描的最后一行，下一次扫描时设置setStartRow为最后一行加一个字节。标准分页模式的伪代码如下：
byte[] lastRow = null;
int pageSize = 20;
do {
Scan scan = new Scan();
scan.setFilter(new PageFilter(pageSize));
if (lastRow != null) {
// 跳过最后一行本身，从下一个行键开始
scan.withStartRow(Bytes.add(lastRow, new byte[]{0}));
}
ResultScanner scanner = table.getScanner(scan);
int prevCount = 0;
for (Result result : scanner) {
lastRow = result.getRow();
prevCount++;
// 处理结果
}
scanner.close();
if (prevCount < pageSize) {
break; // 已经获取完所有数据
}
} while (true);组合多个过滤条件使用FilterList。可以指定MUST_PASS_ALL（与逻辑）或MUST_PASS_ONE（或逻辑）。下面的例子同时应用前缀过滤和列值过滤，并且只返回符合条件的行：
FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ALL);
filterList.addFilter(new PrefixFilter(Bytes.toBytes("1001_")));
SingleColumnValueFilter cityFilter = new SingleColumnValueFilter(
Bytes.toBytes("info"),
Bytes.toBytes("city"),
CompareOperator.EQUAL,
new BinaryComparator(Bytes.toBytes("Beijing"))
);
cityFilter.setFilterIfMissing(true);
filterList.addFilter(cityFilter);
Scan scan = new Scan();
scan.setFilter(filterList);过滤器性能优化与注意事项
过滤器虽然能减少返回的数据量，但使用不当反而会引发全表扫描。一个常见的误区是在Scan中只设置过滤器而不设置行键范围，导致RegionServer扫描所有Region中的全部数据，逐一检查每个KeyValue是否满足过滤条件。例如用RowFilter配合正则表达式匹配行键，如果不限定起始行键和结束行键，整个表都会被扫描。正确的做法是优先通过行键设计让查询命中尽可能少的Region，然后再用过滤器做精细筛选。
过滤器的跳过扫描优化（scan hint）值得关注。部分过滤器实现了getNextCellHint方法，可以返回一个提示，告诉扫描器下一个可能匹配的KeyValue位置。例如SingleColumnValueFilter在列值比较失败后，如果比较器是单调的，可以提示扫描器直接跳到指定列的下一个值。但这一优化对HFile中数据的物理排序有依赖，实际效果因文件结构和写入模式而异。测试时应通过setScanMetricsEnabled(true)观察实际扫描的KeyValue数量，不要想当然地认为过滤器一定会生效。
版本数量也会影响过滤器的行为。默认情况下Scan只返回每个列的最新版本，但如果设置了setMaxVersions(N)，过滤器需要处理多个版本。SingleColumnValueFilter通过setLatestVersionOnly(true)可以限定只检查最新版本，否则如果某个列的历史版本中有一个满足条件，整行也会被保留。在写入密集的场景中，这会导致一些看起来“不应该出现”的行被返回。因此使用列值过滤器时，明确版本语义非常重要。
最后是自定义过滤器的实现。当内置过滤器无法满足需求时，可以继承FilterBase类并覆写filterKeyValue方法。但自定义过滤器无法利用服务端的跳过扫描优化，也很容易写出低效逻辑。如果必须实现，建议只对行键做判断（如通过filterRowKey），避免访问耗时的列值操作。同时注意过滤器需要实现toByteArray和parseFrom方法以支持序列化，否则在分布式执行时会报错。