HBase二级索引实现方案 - 好文

Hbase简介

HBASE是在hadoop之上构建非关系型，面向列存储的开源分布式结构化数据存储系统。

HBase表分区与索引管理

•将Table中的数据根据rowKey字段划分为多个HRegion

•HRegion分配给RegionServer管理

HBase系统架构

HBase的局限性

HBase本身只提供基于行键和全表扫描的查询，而行键索引单一，对于多维度的查询困难。

常见的二级索引方案

HBase的一级索引就是rowkey，我们只能通过rowkey进行检索。如果我们相对hbase里面列族的列列进行一些组合查询，就需要采用HBase的二级索引方案来进行多条件的查询。

1. MapReduce方案
2. ITHBASE（Indexed-Transanctional HBase）方案
3. IHBASE（Index HBase）方案
4. Hbase Coprocessor(协处理器)方案
5. Solr+hbase方案

6. CCIndex（complementalclustering index）方案

HBase二级索引种类

2.1创建单列索引

2.2同时创建多个单列索引

2.3创建联合索引（最多同时支持3个列）

2.4只根据rowkey创建索引

建立全局二级索引

1. 全局建立索引，可以修改hbase-site.xml文件

为所有table加载了一个cp class，可以用”,”分割加载多个class

<property>

<name>hbase.coprocessor.region.classes</name>

<value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value>

</property>

单表建立二级索引

2. 单个表建立索引

1.首先disable ‘表名’
2.然后修改表

alter
'LogTable',METHOD=>'table_att','coprocessor'=>'hdfs:///test.jar|www.aboutyun.com.hbase.HbaseCoprocessor|1001'

3. enable '表名'

卸载二级索引

3. 卸载索引

alter 'LogTable', METHOD => 'table_att_unset', NAME => 'coprocessor$1‘

二级索引的设计

设计思路：

图1

二级索引的本质就是建立各列值与行键之间的映射关系

如上图1，当要对F:C1这列建立索引时，只需要建立F:C1各列值到其对应行键的映射关系，如C11->RK1等，这样就完成了对F:C1列值的二级索引的构建，当要查询符合F:C1=C11对应的F:C2的列值时（即根据C1=C11来查询C2的值,图1青色部分）

其查询步骤如下：

1. 根据C1=C11到索引数据中查找其对应的RK，查询得到其对应的RK=RK1

2. 得到RK1后就自然能根据RK1来查询C2的值了这是构建二级索引大概思路，其他组合查询的联合索引的建立也类似。

MapReduce方式创建二级索引

使用整合MapReduce的方式创建hbase索引。主要的流程如下：

1.1扫描输入表，使用hbase继承类TableMapper

1.2获取rowkey和指定字段名称和字段值

1.3创建Put实例， value=rowkey, rowkey=columnName +"_" +columnValue

1.4使用IdentityTableReducer将数据写入索引表

继承TableMapper

GenerateIndexMapper继承TableMapper类

LoadIndexMapper类数据批量导入hbase

SecondIndexMain是驱动类

实例
import org.apache.hadoop.conf.Configuration; import
org.apache.hadoop.hbase.HBaseConfiguration; import
org.apache.hadoop.hbase.client.Put; import
org.apache.hadoop.hbase.client.Result; import
org.apache.hadoop.hbase.client.Scan; import
org.apache.hadoop.hbase.io.ImmutableBytesWritable; import
org.apache.hadoop.hbase.mapreduce.MultiTableOutputFormat; import
org.apache.hadoop.hbase.mapreduce.TableInputFormat; import
org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil; import
org.apache.hadoop.hbase.mapreduce.TableMapper; import
org.apache.hadoop.hbase.util.Bytes; import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.util.GenericOptionsParser; import java.io.IOException;
import java.util.HashMap; import java.util.Map; import java.util.Set; /** *
@Description:Mapreduce构建hbase二级索引 */ public class MyIndexBuilder { private
class MyIndexMapper extends TableMapper<ImmutableBytesWritable, Put> { //create
the map object private Map<byte[], ImmutableBytesWritable> indexes = new
HashMap<byte[], ImmutableBytesWritable>(); //make the cloumnfamily private
String columnFamily; /** * Called once for each key/value pair in the input
split. Most applications * should override this, but the default is the
identity function. */ @Override protected void map(ImmutableBytesWritable key,
Result value, Context context) throws IOException, InterruptedException {
Set<byte[]> keys = indexes.keySet(); for (byte[] k : keys) {
ImmutableBytesWritable indexTableName = indexes.get(k); byte[] val =
value.getValue(Bytes.toBytes(columnFamily), k); // 索引表的rowkey为原始表的值 Put put =
new Put(val); // 索引表的内容为原始表的rowkey put.add(Bytes.toBytes("f1"),
Bytes.toBytes("id"), key.get()); //context write context.write(indexTableName,
put); } // super.map(key, value, context); } /** * Called once at the beginning
of the task. */ @Override protected void setup(Context context) throws
IOException, InterruptedException { Configuration conf =
context.getConfiguration(); String tableName = conf.get("tableName");
columnFamily = conf.get("columnFamily"); String[] qualifiers =
conf.getStrings("qualifiers"); // indexes的key为列名，value为索引表名 for (String q :
qualifiers) { indexes.put( Bytes.toBytes(q), new
ImmutableBytesWritable(Bytes.toBytes(tableName + "-" + q))); } } //
super.setup(context); } public static void main(String[] args) throws
IOException, ClassNotFoundException, InterruptedException { Configuration conf
= HBaseConfiguration.create(); String[] otherargs = new
GenericOptionsParser(conf, args) .getRemainingArgs();// 去除掉没有用的命令行参数 //
输入参数：表名，列族名，列名 if (otherargs.length < 3) { System.exit(-1); } String tableName
= otherargs[0]; String columnFamily = otherargs[1]; conf.set("tableName",
tableName); conf.set("columnFamily", columnFamily); String[] qualifiers = new
String[otherargs.length - 2]; for (int i = 0; i < qualifiers.length; i++) {
qualifiers[i] = otherargs[i + 2]; } conf.setStrings("qualifiers", qualifiers);
Job job = new Job(conf, tableName); job.setJarByClass(MyIndexBuilder.class);
job.setMapperClass(MyIndexMapper.class); job.setNumReduceTasks(0);
job.setInputFormatClass(TableInputFormat.class); // 可以输出多张表
job.setOutputFormatClass(MultiTableOutputFormat.class); Scan scan = new Scan();
scan.setCaching(1000); TableMapReduceUtil.initTableMapperJob(tableName, scan,
MyIndexMapper.class, ImmutableBytesWritable.class, Put.class, job);
job.waitForCompletion(true); } }

HBase 协处理器(coprocessor)实现二级索引

HBase在0.92之后引入了coprocessors，提供了一系列的钩子，让我们能够轻易实现访问控制和二级索引的特性。

HBase Coprocessor简介

•HBase Coprocessor受启发于Google的Jeff Dean在LADIS’09 上的报告

–Google BigTable的Coprocessor特点

•在每个表服务器的任何tablet上均可执行用户代码

•提供客户端调用接口（coprocessor客户端lib将可定位每个row/range的位置；多行读写将自

动分片为多个并行的RPC调用）

•提供可构建分布式服务的灵活的编程模型

•可以自动扩展，负载均衡等

–与Google Bigtable Coprocessor相比

•Bigtable coprocessor 以独立的进程执行，可以更好的控制CP计算所需资源

•HBase
coprocessor是一个在Master/RegionServer进程内的框架，通过在运行时执行用户的代码，在HBase内实现灵活的分布式数据处理功能

•HBase Coprocessor的主要应用场景

–secondary indexing

–complex filtering

–access control

HBase Coprocessor 的实现类型

•HBase Coprocessor的实现分为Observer和Endpoint两种

–Observer类似于触发器，工作在服务器端。可以实现权限管理、监控等

–Endpoint类似于存储过程，工作在服务器端和客户端。可以实现min/max等计算

•Coprocessor的作用范围

–System coprocessor: 对所有table的所有region

–Table coprocessor：对某个table的所有region

•RegionObserver：提供表数据操作事件的钩子函数：Get、Put、Scan等的pre/post处理。

•WALObserver：提供WAL相关操作钩子。

•MasterObserver：提供DDL类型的操作钩子。如创建、删除、修改数据表等。

Endpoint：只适用于RegionServer, 对应于每个table 的Region的处理。

想要更详细的介绍请查阅:

https://blogs.apache.org/hbase/entry/coprocessor_introduction
<https://blogs.apache.org/hbase/entry/coprocessor_introduction>

observers分为三种：

RegionObserver：提供数据操作事件钩子；

WALObserver：提供WAL（write ahead log）相关操作事件钩子；

MasterObserver：提供DDL操作事件钩子。

实例

该例子使用RegionObserver实现在写主表之前将索引数据先写到另外一个表
import org.apache.hadoop.conf.Configuration; import
org.apache.hadoop.hbase.Cell; import org.apache.hadoop.hbase.KeyValue; import
org.apache.hadoop.hbase.client.Durability; import
org.apache.hadoop.hbase.client.HTable; import
org.apache.hadoop.hbase.client.Put; import
org.apache.hadoop.hbase.coprocessor.BaseRegionObserver; import
org.apache.hadoop.hbase.coprocessor.ObserverContext; import
org.apache.hadoop.hbase.coprocessor.RegionCoprocessorEnvironment; import
org.apache.hadoop.hbase.regionserver.wal.WALEdit; import java.io.IOException;
import java.util.Iterator; import java.util.List; public class
IndexHBaseCoprocessor extends BaseRegionObserver { @Override public void
prePut(ObserverContext<RegionCoprocessorEnvironment> e, Put put, WALEdit edit,
Durability durability) throws IOException { //set configuration Configuration
conf = new Configuration(); //need conf.set... HTable table = new HTable(conf,
"indexTableName"); List<Cell> kv = put.get("familyName".getBytes(),
"columnName".getBytes()); Iterator<Cell> kvItor = kv.iterator(); while
(kvItor.hasNext()) { Cell tmp = kvItor.next(); final byte[] value =
tmp.getValue(); Put indexPut = new Put(value);
indexPut.add("familyName".getBytes(), "columnName".getBytes(), tmp.getRow());
table.put(indexPut); } table.close(); // super.prePut(e, put, edit,
durability); } } 这是类之间的继承关系和实现里面的方法： public class IndexHBaseCoprocessor extends
BaseRegionObserver { public class BaseRegionObserver implements RegionObserver
{ public interface RegionObserver extends Coprocessor { void
prePut(ObserverContext<RegionCoprocessorEnvironment> var1, Put var2, WALEdit
var3, Durability var4) throws IOException; }

写完后要加载到table里面去，先把该文件打包indexTest.jar并上传到hdfs的/hbase-test路径下，然后操作如下：

进入hbase shell ，执行一下命令行：

1. disable ‘testTable’

2.alter ‘testTable’,

METHOD=>’table_att’,’coprocessor’=>’hdfs:///hbase-test/indexTest.jar|com.hbase

.IndexHBaseCoprocessor|1001′

enable ‘testTable’

然后往testTable里面插数据就会自动往indexTableName写数据了。

这就是用coprocessor实现二级索引的例子。

HBase IndexBuilder.java源码

链接：https://pan.baidu.com/s/140ZTLE-pFJZXeMRo6QQuNg
<https://pan.baidu.com/s/140ZTLE-pFJZXeMRo6QQuNg> 密码：ql9d

参考博文：

1.
http://www.aboutyun.com/forum.php?mod=viewthread&tid=8857&highlight=hbase%2B%B6%FE%BC%B6

<http://www.aboutyun.com/forum.php?mod=viewthread&tid=8857&highlight=hbase%2B%B6%FE%BC%B6>

2.https://www.cnblogs.com/MOBIN/p/5579088.html
<https://www.cnblogs.com/MOBIN/p/5579088.html>

热门工具换一换