轉自：http://blog.csdn.net/caoli98033/article/details/44650497
HBase的查詢實現只提供兩種方式：
1、按指定RowKey獲取唯一一條記錄，get方法（org.apache.hadoop.hbase.client.Get）
2、按指定的條件獲取一批記錄，scan方法（org.apache.Hadoop.Hbase.client.Scan）
實現條件查詢功能使用的就是scan方式，scan在使用時有以下幾點值得注意：
1、scan可以通過setCaching與setBatch方法提高速度（以空間換時間）；
2、scan可以通過setStartRow與setEndRow來限定范圍（[start，end）start是閉區間，end是開區間）。范圍越小，性能越高。
通過巧妙的RowKey設計使我們批量獲取記錄集合中的元素挨在一起（應該在同一個Region下），可以在遍歷結果時獲得很好的性能。
3、scan可以通過setFilter方法添加過濾器，這也是分頁、多條件查詢的基礎。
scan中的setCaching與setBatch方法的區別是什么呢？
setCaching設置的值為每次rpc的請求記錄數，默認是1；cache大可以優化性能，但是太大了會花費很長的時間進行一次傳輸。
setBatch設置每次取的column size；有些row特別大，所以需要分開傳給client，就是一次傳一個row的幾個column。
batch和caching和hbase table column size共同決意了rpc的次數。
通過下表可以看出caching/batch/rpc次數的關系：
| 緩存 | 批量處理 | Result個數 | RPC次數 | 說明 |
|---|---|---|---|---|
| 1 | 1 | 200 | 201 | 每個列都作為一個Result實例返回。最后還多一個RPC確認掃描完成 |
| 200 | 1 | 200 | 2 | 每個Result實例都只包含一列的值，不過它們都被一次RPC請求取回 |
| 2 | 10 | 20 | 11 | 批量參數是一行所包含的列數的一半，所以200列除以10，需要20個result實例。同時需要10次RPC請求取回。 |
| 5 | 100 | 10 | 3 | 對一行來講，這個批量參數實在是太大了，所以一行的20列都被放入到了一個Result實例中。同時緩存為5，所以10個Result實例被兩次RPC請求取回。 |
| 5 | 20 | 10 | 3 | 同上，不過這次的批量值與一行列數正好相同，所以輸出與上面一種情況相同 |
| 10 | 10 | 20 | 3 | 這次把表分成了較小的result實例，但使用了較大的緩存值，所以也是只用了兩次RPC請求就返回了數據 |
要計算一次掃描操作的RPC請求的次數，用戶需要先計算出行數和每行列數的乘積。然后用這個值除以批量大小和每行列數中較小的那個值。最后再用除得的結果除以掃描器緩存值。 用數學公式表示如下:
RPC請求的次數=(行數x每行的列數)/
Min(每行的列數，批量大小)/掃描器緩存此外，還需要一些請求來打開和關閉掃描器。用戶或許需要把這兩次請求也考慮在內。
下圖展示了緩存和批量兩個參數如何聯動。
小的批量值使服務器端把3個列裝入一個Result實例，同時掃描器緩存為6，使每個RPC請求傳輸6行，即6個被批量封裝的Result實例。如果沒有指定批量大小，而是指定了掃描器緩存，那么一個調用結果就能包含所有的行，因為每一行都包含在一個Result實例中。只有當用戶使用批量模式后，行內(intra-row)掃描功能才會啟用。