优化阅读格式
This commit is contained in:
heibaiying
@ -28,7 +28,7 @@
|
||||
|
||||
## 一、HBase过滤器简介
|
||||
|
||||
Hbase提供了种类丰富的过滤器（filter）来提高数据处理的效率，用户可以通过内置或自定义的过滤器来对数据进行过滤，所有的过滤器都在服务端生效，即谓词下推（predicate push down）。这样可以保证过滤掉的数据不会被传送到客户端，从而减轻网络传输和客户端处理的压力。
|
||||
Hbase 提供了种类丰富的过滤器（filter）来提高数据处理的效率，用户可以通过内置或自定义的过滤器来对数据进行过滤，所有的过滤器都在服务端生效，即谓词下推（predicate push down）。这样可以保证过滤掉的数据不会被传送到客户端，从而减轻网络传输和客户端处理的压力。
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-fliter.png"/> </div>
|
||||
|
||||
@ -38,14 +38,14 @@ Hbase提供了种类丰富的过滤器（filter）来提高数据处理的效率
|
||||
|
||||
### 2.1 Filter接口和FilterBase抽象类
|
||||
|
||||
Filter接口中定义了过滤器的基本方法，FilterBase抽象类实现了Filter接口。所有内置的过滤器则直接或者间接继承自FilterBase抽象类。用户只需要将定义好的过滤器通过`setFilter`方法传递给`Scan`或`put`的实例即可。
|
||||
Filter 接口中定义了过滤器的基本方法，FilterBase 抽象类实现了 Filter 接口。所有内置的过滤器则直接或者间接继承自 FilterBase 抽象类。用户只需要将定义好的过滤器通过 `setFilter` 方法传递给 `Scan` 或 `put` 的实例即可。
|
||||
|
||||
```java
|
||||
setFilter(Filter filter)
|
||||
```
|
||||
|
||||
```java
|
||||
// Scan 中定义的setFilter
|
||||
// Scan 中定义的 setFilter
|
||||
@Override
|
||||
public Scan setFilter(Filter filter) {
|
||||
super.setFilter(filter);
|
||||
@ -54,7 +54,7 @@ setFilter(Filter filter)
|
||||
```
|
||||
|
||||
```java
|
||||
// Get 中定义的setFilter
|
||||
// Get 中定义的 setFilter
|
||||
@Override
|
||||
public Get setFilter(Filter filter) {
|
||||
super.setFilter(filter);
|
||||
@ -62,9 +62,9 @@ setFilter(Filter filter)
|
||||
}
|
||||
```
|
||||
|
||||
FilterBase的所有子类过滤器如下：<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-filterbase-subclass.png"/> </div>
|
||||
FilterBase 的所有子类过滤器如下：<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-filterbase-subclass.png"/> </div>
|
||||
|
||||
> 说明：上图基于当前时间点（2019.4）最新的Hbase-2.1.4 ，下文所有说明均基于此版本。
|
||||
> 说明：上图基于当前时间点（2019.4）最新的 Hbase-2.1.4 ，下文所有说明均基于此版本。
|
||||
|
||||
|
||||
|
||||
@ -76,7 +76,7 @@ HBase 内置过滤器可以分为三类：分别是比较过滤器，专用过
|
||||
|
||||
## 三、比较过滤器
|
||||
|
||||
所有比较过滤器均继承自`CompareFilter`。创建一个比较过滤器需要两个参数，分别是**比较运算符**和**比较器实例**。
|
||||
所有比较过滤器均继承自 `CompareFilter`。创建一个比较过滤器需要两个参数，分别是**比较运算符**和**比较器实例**。
|
||||
|
||||
```java
|
||||
public CompareFilter(final CompareOp compareOp,final ByteArrayComparable comparator) {
|
||||
@ -95,7 +95,7 @@ HBase 内置过滤器可以分为三类：分别是比较过滤器，专用过
|
||||
- GREATER (>)
|
||||
- NO_OP (排除所有符合条件的值)
|
||||
|
||||
比较运算符均定义在枚举类`CompareOperator`中
|
||||
比较运算符均定义在枚举类 `CompareOperator` 中
|
||||
|
||||
```java
|
||||
@InterfaceAudience.Public
|
||||
@ -110,42 +110,42 @@ public enum CompareOperator {
|
||||
}
|
||||
```
|
||||
|
||||
> 注意：在 1.x 版本的HBase中，比较运算符定义在`CompareFilter.CompareOp`枚举类中，但在2.0之后这个类就被标识为 @deprecated ，并会在3.0移除。所以2.0之后版本的HBase需要使用 `CompareOperator`这个枚举类。
|
||||
> 注意：在 1.x 版本的 HBase 中，比较运算符定义在 `CompareFilter.CompareOp` 枚举类中，但在 2.0 之后这个类就被标识为 @deprecated ，并会在 3.0 移除。所以 2.0 之后版本的 HBase 需要使用 `CompareOperator` 这个枚举类。
|
||||
>
|
||||
|
||||
### 3.2 比较器
|
||||
|
||||
所有比较器均继承自`ByteArrayComparable`抽象类，常用的有以下几种：
|
||||
所有比较器均继承自 `ByteArrayComparable` 抽象类，常用的有以下几种：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-bytearraycomparable.png"/> </div>
|
||||
|
||||
- **BinaryComparator** : 使用`Bytes.compareTo(byte []，byte [])`按字典序比较指定的字节数组。
|
||||
- **BinaryComparator** : 使用 `Bytes.compareTo(byte []，byte [])` 按字典序比较指定的字节数组。
|
||||
- **BinaryPrefixComparator** : 按字典序与指定的字节数组进行比较，但只比较到这个字节数组的长度。
|
||||
- **RegexStringComparator** : 使用给定的正则表达式与指定的字节数组进行比较。仅支持`EQUAL`和`NOT_EQUAL`操作。
|
||||
- **SubStringComparator** : 测试给定的子字符串是否出现在指定的字节数组中，比较不区分大小写。仅支持`EQUAL`和`NOT_EQUAL`操作。
|
||||
- **RegexStringComparator** : 使用给定的正则表达式与指定的字节数组进行比较。仅支持 `EQUAL` 和 `NOT_EQUAL` 操作。
|
||||
- **SubStringComparator** : 测试给定的子字符串是否出现在指定的字节数组中，比较不区分大小写。仅支持 `EQUAL` 和 `NOT_EQUAL` 操作。
|
||||
- **NullComparator** ：判断给定的值是否为空。
|
||||
- **BitComparator** ：按位进行比较。
|
||||
|
||||
`BinaryPrefixComparator` 和 `BinaryComparator`的区别不是很好理解，这里举例说明一下：
|
||||
`BinaryPrefixComparator` 和 `BinaryComparator` 的区别不是很好理解，这里举例说明一下：
|
||||
|
||||
在进行`EQUAL`的比较时，如果比较器传入的是`abcd`的字节数组，但是待比较数据是`abcdefgh`：
|
||||
在进行 `EQUAL` 的比较时，如果比较器传入的是 `abcd` 的字节数组，但是待比较数据是 `abcdefgh`：
|
||||
|
||||
+ 如果使用的是`BinaryPrefixComparator`比较器，则比较以`abcd`字节数组的长度为准，即`efgh`不会参与比较，这时候认为`abcd`与`abcdefgh` 是满足`EQUAL`条件的；
|
||||
+ 如果使用的是`BinaryComparator`比较器，则认为其是不相等的。
|
||||
+ 如果使用的是 `BinaryPrefixComparator` 比较器，则比较以 `abcd` 字节数组的长度为准，即 `efgh` 不会参与比较，这时候认为 `abcd` 与 `abcdefgh` 是满足 `EQUAL` 条件的；
|
||||
+ 如果使用的是 `BinaryComparator` 比较器，则认为其是不相等的。
|
||||
|
||||
### 3.3 比较过滤器种类
|
||||
|
||||
比较过滤器共有五个（Hbase 1.x 版本和2.x 版本相同），见下图：
|
||||
比较过滤器共有五个（Hbase 1.x 版本和 2.x 版本相同），见下图：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-compareFilter.png"/> </div>
|
||||
|
||||
+ **RowFilter** ：基于行键来过滤数据；
|
||||
+ **FamilyFilterr** ：基于列族来过滤数据；
|
||||
+ **QualifierFilterr** ：基于列限定符（列名）来过滤数据；
|
||||
+ **ValueFilterr** ：基于单元格(cell) 的值来过滤数据；
|
||||
+ **ValueFilterr** ：基于单元格 (cell) 的值来过滤数据；
|
||||
+ **DependentColumnFilter** ：指定一个参考列来过滤其他列的过滤器，过滤的原则是基于参考列的时间戳来进行筛选 。
|
||||
|
||||
前四种过滤器的使用方法相同，均只要传递比较运算符和运算器实例即可构建，然后通过`setFilter`方法传递给`scan`：
|
||||
前四种过滤器的使用方法相同，均只要传递比较运算符和运算器实例即可构建，然后通过 `setFilter` 方法传递给 `scan`：
|
||||
|
||||
```java
|
||||
Filter filter = new RowFilter(CompareOperator.LESS_OR_EQUAL,
|
||||
@ -153,11 +153,11 @@ public enum CompareOperator {
|
||||
scan.setFilter(filter);
|
||||
```
|
||||
|
||||
`DependentColumnFilter`的使用稍微复杂一点，这里单独做下说明。
|
||||
`DependentColumnFilter` 的使用稍微复杂一点，这里单独做下说明。
|
||||
|
||||
### 3.4 DependentColumnFilter
|
||||
|
||||
可以把`DependentColumnFilter`理解为**一个valueFilter和一个时间戳过滤器的组合**。`DependentColumnFilter`有三个带参构造器，这里选择一个参数最全的进行说明：
|
||||
可以把 `DependentColumnFilter` 理解为**一个 valueFilter 和一个时间戳过滤器的组合**。`DependentColumnFilter` 有三个带参构造器，这里选择一个参数最全的进行说明：
|
||||
|
||||
```java
|
||||
DependentColumnFilter(final byte [] family, final byte[] qualifier,
|
||||
@ -167,7 +167,7 @@ DependentColumnFilter(final byte [] family, final byte[] qualifier,
|
||||
|
||||
+ **family** ：列族
|
||||
+ **qualifier** ：列限定符（列名）
|
||||
+ **dropDependentColumn** ：决定参考列是否被包含在返回结果内，为true时表示参考列被返回，为false时表示被丢弃
|
||||
+ **dropDependentColumn** ：决定参考列是否被包含在返回结果内，为 true 时表示参考列被返回，为 false 时表示被丢弃
|
||||
+ **op** ：比较运算符
|
||||
+ **valueComparator** ：比较器
|
||||
|
||||
@ -182,24 +182,24 @@ DependentColumnFilter dependentColumnFilter = new DependentColumnFilter(
|
||||
new BinaryPrefixComparator(Bytes.toBytes("xiaolan")));
|
||||
```
|
||||
|
||||
+ 首先会去查找`student:name`中值以`xiaolan`开头的所有数据获得`参考数据集`，这一步等同于valueFilter过滤器；
|
||||
+ 首先会去查找 `student:name` 中值以 `xiaolan` 开头的所有数据获得 ` 参考数据集 `，这一步等同于 valueFilter 过滤器；
|
||||
|
||||
+ 其次再用参考数据集中所有数据的时间戳去检索其他列，获得时间戳相同的其他列的数据作为`结果数据集`，这一步等同于时间戳过滤器；
|
||||
+ 其次再用参考数据集中所有数据的时间戳去检索其他列，获得时间戳相同的其他列的数据作为 ` 结果数据集 `，这一步等同于时间戳过滤器；
|
||||
|
||||
+ 最后如果`dropDependentColumn`为true，则返回`参考数据集`+`结果数据集`，若为false，则抛弃参考数据集，只返回`结果数据集`。
|
||||
+ 最后如果 `dropDependentColumn` 为 true，则返回 ` 参考数据集 `+` 结果数据集 `，若为 false，则抛弃参考数据集，只返回 ` 结果数据集 `。
|
||||
|
||||
|
||||
|
||||
## 四、专用过滤器
|
||||
|
||||
专用过滤器通常直接继承自`FilterBase`，适用于范围更小的筛选规则。
|
||||
专用过滤器通常直接继承自 `FilterBase`，适用于范围更小的筛选规则。
|
||||
|
||||
### 4.1 单列列值过滤器 (SingleColumnValueFilter)
|
||||
|
||||
基于某列（参考列）的值决定某行数据是否被过滤。其实例有以下方法：
|
||||
|
||||
+ **setFilterIfMissing(boolean filterIfMissing)** ：默认值为false，即如果该行数据不包含参考列，其依然被包含在最后的结果中；设置为true时，则不包含；
|
||||
+ **setLatestVersionOnly(boolean latestVersionOnly)** ：默认为true，即只检索参考列的最新版本数据；设置为false，则检索所有版本数据。
|
||||
+ **setFilterIfMissing(boolean filterIfMissing)** ：默认值为 false，即如果该行数据不包含参考列，其依然被包含在最后的结果中；设置为 true 时，则不包含；
|
||||
+ **setLatestVersionOnly(boolean latestVersionOnly)** ：默认为 true，即只检索参考列的最新版本数据；设置为 false，则检索所有版本数据。
|
||||
|
||||
```shell
|
||||
SingleColumnValueFilter singleColumnValueFilter = new SingleColumnValueFilter(
|
||||
@ -213,11 +213,11 @@ scan.setFilter(singleColumnValueFilter);
|
||||
|
||||
### 4.2 单列列值排除器 (SingleColumnValueExcludeFilter)
|
||||
|
||||
`SingleColumnValueExcludeFilter`继承自上面的`SingleColumnValueFilter`，过滤行为与其相反。
|
||||
`SingleColumnValueExcludeFilter` 继承自上面的 `SingleColumnValueFilter`，过滤行为与其相反。
|
||||
|
||||
### 4.3 行键前缀过滤器 (PrefixFilter)
|
||||
|
||||
基于RowKey值决定某行数据是否被过滤。
|
||||
基于 RowKey 值决定某行数据是否被过滤。
|
||||
|
||||
```java
|
||||
PrefixFilter prefixFilter = new PrefixFilter(Bytes.toBytes("xxx"));
|
||||
@ -235,7 +235,7 @@ ColumnPrefixFilter columnPrefixFilter = new ColumnPrefixFilter(Bytes.toBytes("xx
|
||||
|
||||
### 4.5 分页过滤器 (PageFilter)
|
||||
|
||||
可以使用这个过滤器实现对结果按行进行分页，创建PageFilter实例的时候需要传入每页的行数。
|
||||
可以使用这个过滤器实现对结果按行进行分页，创建 PageFilter 实例的时候需要传入每页的行数。
|
||||
|
||||
```java
|
||||
public PageFilter(final long pageSize) {
|
||||
@ -246,17 +246,17 @@ public PageFilter(final long pageSize) {
|
||||
|
||||
下面的代码体现了客户端实现分页查询的主要逻辑，这里对其进行一下解释说明：
|
||||
|
||||
客户端进行分页查询，需要传递`startRow`(起始RowKey)，知道起始`startRow`后，就可以返回对应的pageSize行数据。这里唯一的问题就是，对于第一次查询，显然`startRow`就是表格的第一行数据，但是之后第二次、第三次查询我们并不知道`startRow`，只能知道上一次查询的最后一条数据的RowKey（简单称之为`lastRow`）。
|
||||
客户端进行分页查询，需要传递 `startRow`(起始 RowKey)，知道起始 `startRow` 后，就可以返回对应的 pageSize 行数据。这里唯一的问题就是，对于第一次查询，显然 `startRow` 就是表格的第一行数据，但是之后第二次、第三次查询我们并不知道 `startRow`，只能知道上一次查询的最后一条数据的 RowKey（简单称之为 `lastRow`）。
|
||||
|
||||
我们不能将`lastRow`作为新一次查询的`startRow`传入，因为scan的查询区间是[startRow，endRow) ，即前开后闭区间，这样`startRow`在新的查询也会被返回，这条数据就重复了。
|
||||
我们不能将 `lastRow` 作为新一次查询的 `startRow` 传入，因为 scan 的查询区间是[startRow，endRow) ，即前开后闭区间，这样 `startRow` 在新的查询也会被返回，这条数据就重复了。
|
||||
|
||||
同时在不使用第三方数据库存储RowKey的情况下，我们是无法通过知道`lastRow`的下一个RowKey的，因为RowKey的设计可能是连续的也有可能是不连续的。
|
||||
同时在不使用第三方数据库存储 RowKey 的情况下，我们是无法通过知道 `lastRow` 的下一个 RowKey 的，因为 RowKey 的设计可能是连续的也有可能是不连续的。
|
||||
|
||||
由于Hbase的RowKey是按照字典序进行排序的。这种情况下，就可以在`lastRow`后面加上`0` ，作为`startRow`传入，因为按照字典序的规则，某个值加上`0` 后的新值，在字典序上一定是这个值的下一个值，对于HBase来说下一个RowKey在字典序上一定也是等于或者大于这个新值的。
|
||||
由于 Hbase 的 RowKey 是按照字典序进行排序的。这种情况下，就可以在 `lastRow` 后面加上 `0` ，作为 `startRow` 传入，因为按照字典序的规则，某个值加上 `0` 后的新值，在字典序上一定是这个值的下一个值，对于 HBase 来说下一个 RowKey 在字典序上一定也是等于或者大于这个新值的。
|
||||
|
||||
所以最后传入`lastRow`+`0`，如果等于这个值的RowKey存在就从这个值开始scan,否则从字典序的下一个RowKey开始scan。
|
||||
所以最后传入 `lastRow`+`0`，如果等于这个值的 RowKey 存在就从这个值开始 scan,否则从字典序的下一个 RowKey 开始 scan。
|
||||
|
||||
> 25个字母以及数字字符，字典排序如下:
|
||||
> 25 个字母以及数字字符，字典排序如下:
|
||||
>
|
||||
> `'0' < '1' < '2' < ... < '9' < 'a' < 'b' < ... < 'z'`
|
||||
|
||||
@ -272,7 +272,7 @@ while (true) {
|
||||
Scan scan = new Scan();
|
||||
scan.setFilter(filter);
|
||||
if (lastRow != null) {
|
||||
// 如果不是首行 则lastRow + 0
|
||||
// 如果不是首行 则 lastRow + 0
|
||||
byte[] startRow = Bytes.add(lastRow, POSTFIX);
|
||||
System.out.println("start row: " +
|
||||
Bytes.toStringBinary(startRow));
|
||||
@ -293,7 +293,7 @@ while (true) {
|
||||
System.out.println("total rows: " + totalRows);
|
||||
```
|
||||
|
||||
>需要注意的是在多台Regin Services上执行分页过滤的时候，由于并行执行的过滤器不能共享它们的状态和边界，所以有可能每个过滤器都会在完成扫描前获取了PageCount行的结果，这种情况下会返回比分页条数更多的数据，分页过滤器就有失效的可能。
|
||||
>需要注意的是在多台 Regin Services 上执行分页过滤的时候，由于并行执行的过滤器不能共享它们的状态和边界，所以有可能每个过滤器都会在完成扫描前获取了 PageCount 行的结果，这种情况下会返回比分页条数更多的数据，分页过滤器就有失效的可能。
|
||||
|
||||
|
||||
|
||||
@ -308,7 +308,7 @@ scan.setFilter(timestampsFilter);
|
||||
|
||||
### 4.7 首次行键过滤器 (FirstKeyOnlyFilter)
|
||||
|
||||
`FirstKeyOnlyFilter`只扫描每行的第一列，扫描完第一列后就结束对当前行的扫描，并跳转到下一行。相比于全表扫描，其性能更好，通常用于行数统计的场景，因为如果某一行存在，则行中必然至少有一列。
|
||||
`FirstKeyOnlyFilter` 只扫描每行的第一列，扫描完第一列后就结束对当前行的扫描，并跳转到下一行。相比于全表扫描，其性能更好，通常用于行数统计的场景，因为如果某一行存在，则行中必然至少有一列。
|
||||
|
||||
```java
|
||||
FirstKeyOnlyFilter firstKeyOnlyFilter = new FirstKeyOnlyFilter();
|
||||
@ -321,13 +321,13 @@ scan.set(firstKeyOnlyFilter);
|
||||
|
||||
### 5.1 SkipFilter过滤器
|
||||
|
||||
`SkipFilter`包装一个过滤器，当被包装的过滤器遇到一个需要过滤的KeyValue实例时，则拓展过滤整行数据。下面是一个使用示例：
|
||||
`SkipFilter` 包装一个过滤器，当被包装的过滤器遇到一个需要过滤的 KeyValue 实例时，则拓展过滤整行数据。下面是一个使用示例：
|
||||
|
||||
```java
|
||||
// 定义ValueFilter过滤器
|
||||
// 定义 ValueFilter 过滤器
|
||||
Filter filter1 = new ValueFilter(CompareOperator.NOT_EQUAL,
|
||||
new BinaryComparator(Bytes.toBytes("xxx")));
|
||||
// 使用SkipFilter进行包装
|
||||
// 使用 SkipFilter 进行包装
|
||||
Filter filter2 = new SkipFilter(filter1);
|
||||
```
|
||||
|
||||
@ -335,7 +335,7 @@ Filter filter2 = new SkipFilter(filter1);
|
||||
|
||||
### 5.2 WhileMatchFilter过滤器
|
||||
|
||||
`WhileMatchFilter`包装一个过滤器，当被包装的过滤器遇到一个需要过滤的KeyValue实例时，`WhileMatchFilter`则结束本次扫描，返回已经扫描到的结果。下面是其使用示例：
|
||||
`WhileMatchFilter` 包装一个过滤器，当被包装的过滤器遇到一个需要过滤的 KeyValue 实例时，`WhileMatchFilter` 则结束本次扫描，返回已经扫描到的结果。下面是其使用示例：
|
||||
|
||||
```java
|
||||
Filter filter1 = new RowFilter(CompareOperator.NOT_EQUAL,
|
||||
@ -353,7 +353,7 @@ scanner1.close();
|
||||
|
||||
System.out.println("--------------------");
|
||||
|
||||
// 使用WhileMatchFilter进行包装
|
||||
// 使用 WhileMatchFilter 进行包装
|
||||
Filter filter2 = new WhileMatchFilter(filter1);
|
||||
|
||||
scan.setFilter(filter2);
|
||||
@ -383,11 +383,11 @@ rowKey2/student:name/1555035007025/Put/vlen=8/seqid=0
|
||||
rowKey3/student:name/1555035007037/Put/vlen=8/seqid=0
|
||||
```
|
||||
|
||||
可以看到被包装后，只返回了`rowKey4`之前的数据。
|
||||
可以看到被包装后，只返回了 `rowKey4` 之前的数据。
|
||||
|
||||
## 六、FilterList
|
||||
|
||||
以上都是讲解单个过滤器的作用，当需要多个过滤器共同作用于一次查询的时候，就需要使用`FilterList`。`FilterList`支持通过构造器或者`addFilter`方法传入多个过滤器。
|
||||
以上都是讲解单个过滤器的作用，当需要多个过滤器共同作用于一次查询的时候，就需要使用 `FilterList`。`FilterList` 支持通过构造器或者 `addFilter` 方法传入多个过滤器。
|
||||
|
||||
```java
|
||||
// 构造器传入
|
||||
@ -400,10 +400,10 @@ public FilterList(final Filter... filters)
|
||||
public void addFilter(Filter filter)
|
||||
```
|
||||
|
||||
多个过滤器组合的结果由`operator`参数定义 ，其可选参数定义在`Operator`枚举类中。只有`MUST_PASS_ALL`和`MUST_PASS_ONE`两个可选的值：
|
||||
多个过滤器组合的结果由 `operator` 参数定义 ，其可选参数定义在 `Operator` 枚举类中。只有 `MUST_PASS_ALL` 和 `MUST_PASS_ONE` 两个可选的值：
|
||||
|
||||
+ **MUST_PASS_ALL** ：相当于AND，必须所有的过滤器都通过才认为通过；
|
||||
+ **MUST_PASS_ONE** ：相当于OR，只有要一个过滤器通过则认为通过。
|
||||
+ **MUST_PASS_ALL** ：相当于 AND，必须所有的过滤器都通过才认为通过；
|
||||
+ **MUST_PASS_ONE** ：相当于 OR，只有要一个过滤器通过则认为通过。
|
||||
|
||||
```java
|
||||
@InterfaceAudience.Public
|
||||
|
||||
Reference in New Issue
Block a user