我有以下 hbase 用例：一个 Hbase 表，带有一个行键（使用 md5 哈希的组合构建）和 2 个列族。从逻辑上讲，该表存储句子。该表有数亿条记录。
我有一个连接到这个 hbase 表的 webapp，需要根据某些条件随机导出句子。目前，所有这些条件都可以通过使用 rowkey 来查找。通常，一个导出仅包含几百个句子。重要的限制是，一旦导出了某些段，它们不应出现在任何后续导出中。
所以我的问题与此有关 - 我应该如何确保不会再次导出相同的段？
我应该在每次导出后通过更新标志来“标记”导出的段吗？这样做的缺点是，在查看哪些段满足我的条件时，我不能只使用行键来识别这些记录，还不能使用那个标志。因此，我需要使用过滤器，我知道过滤器要慢得多。
有更好的方法吗？