二、解决思路
三、代码
3.1 读取config文件内容
3.2 封装SolrServer的获取方式
3.3 编写提交数据到Solr的代码
3.4 拦截HBase的Put和Delete操作信息
四、 使用
一、 已知的问题和不足
在上一个版本中,实现了使用HBase的协处理器将HBase的二级索引同步到Solr中,但是仍旧有几个缺陷:
- 写入Solr的Collection是写死在代码里面,且是唯一的。如果我们有一张表的数据希望将不同的字段同步到Solr中该如何做呢?
- 目前所有配置相关信息都是写死到了代码中的,是否可以添加外部配置文件。
- 原来的方法是每次都需要编译新的Jar文件单独运行,能否将所有的同步使用一段通用的代码完成?
二、解决思路
针对上面的三个主要问题,我们一一解决
- 通常一张表会对应多个SolrCollection以及不同的Column。我们可以使用
Map[表名->List[(Collection1,List[Columns]),(Collection2,List[Columns])...]]
这样的类型,根据表名获取所有的Collection和Column。 - 通过Typesafe Config读取外部配置文件,达到所有信息可配的目的。
- 所有的数据都只有Put和Delete,只要我们拦截到具体的消息之后判断当前的表名,然后根据问题一中的Collection和Column即可写入对应的SolrServer。在协处理器中获取表名的是
e.getEnvironment().getRegion().getTableDesc().getTableName().getNameAsString()
其中e是ObserverContext;
三、代码3.1 读取config文件内容
使用typesafe的config组件读取morphlines.conf文件,将内容转换为 Map<String,List<HBaseIndexerMappin>>
。具体代码如下
public class ConfigManager {
private static SourceConfig sourceConfig = new SourceConfig();
public static Config config;
static {
sourceConfig.setConfigFiles("morphlines.conf");
config = sourceConfig.getConfig();
}
public static Map<String,List<HBaseIndexerMappin>> getHBaseIndexerMappin(){
Map<String,List<HBaseIndexerMappin>> mappin = new HashMap<String, List<HBaseIndexerMappin>>();
Config mappinConf = config.getConfig("Mappin");
List<String> tables = mappinConf.getStringList("HBaseTables");
for (String table :tables){
List<Config> confList = (List<Config>) mappinConf.getConfigList(table);
List<HBaseIndexerMappin> maps = new LinkedList<HBaseIndexerMappin>();
for(Config tmp :confList){
HBaseIndexerMappin map = new HBaseIndexerMappin();
map.solrConnetion = tmp.getString("SolrCollection");
map.columns = tmp.getStringList("Columns");
maps.add(map);
}
mappin.put(table,maps);
}
return mappin;
}
}
3.2 封装SolrServer的获取方式
因为目前我使用的环境是Solr和HBase公用的同一套Zookeeper,因此我们完全可以借助HBase的Zookeeper信息。HBase的协处理器是运行在HBase的环境中的,自然可以通过HBase的Configuration获取当前的Zookeeper节点和端口,然后轻松的获取到Solr的地址。
public class SolrServerManager implements LogManager {
static Configuration conf = HBaseConfiguration.create();
public static String ZKHost = conf.get("hbase.zookeeper.quorum","bqdpm1,bqdpm2,bqdps2");
public static String ZKPort = conf.get("hbase.zookeeper.property.clientPort","2181");
public static String SolrUrl = ZKHost + ":" + ZKPort + "/" + "solr";
public static int zkClientTimeout = 1800000;// 心跳
public static int zkConnectTimeout = 1800000;// 连接时间
public static CloudSolrServer create(String defaultCollection){
log.info("Create SolrCloudeServer .This collection is " + defaultCollection);
CloudSolrServer solrServer = new CloudSolrServer(SolrUrl);
solrServer.setDefaultCollection(defaultCollection);
solrServer.setZkClientTimeout(zkClientTimeout);
solrServer.setZkConnectTimeout(zkConnectTimeout);
return solrServer;
}
}
3.3 编写提交数据到Solr的代码
理想状态下,我们时时刻刻都需要提交数据到Solr中,但是事实上我们数据写入的时间是比较分散的,可能集中再每一天的某几个时间点。因此我们必须保证在高并发下能达到一定数据量自动提交,在低并发的情况下能隔一段时间写入一次。只有两种机制并存的情况下才能保证数据能即时写入。
public class SolrCommitTimer extends TimerTask implements LogManager {
public Map<String,List<SolrInputDocument>> putCache = new HashMap<String, List<SolrInputDocument>>();//Collection名字->更新(插入)操作缓存
public Map<String,List<String>> deleteCache = new HashMap<String, List<String>>();//Collection名字->删除操作缓存
Map<String,CloudSolrServer> solrServers = new HashMap<String, CloudSolrServer>();//Collection名字->SolrServers
int maxCache = ConfigManager.config.getInt("MaxCommitSize");
// 任何时候,保证只能有一个线程在提交索引,并清空集合
final static Semaphore semp = new Semaphore(1);
//添加Collection和SolrServer
public void addCollecttion(String collection,CloudSolrServer server){
this.solrServers.put(collection,server);
}
//往Solr添加(更新)数据
public UpdateResponse put(CloudSolrServer server,SolrInputDocument doc) throws IOException, SolrServerException {
server.add(doc);
return server.commit(false, false);
}
//往Solr添加(更新)数据
public UpdateResponse put(CloudSolrServer server,List<SolrInputDocument> docs) throws IOException, SolrServerException {
server.add(docs);
return server.commit(false, false);
}
//根据ID删除Solr数据
public UpdateResponse delete(CloudSolrServer server,String rowkey) throws IOException, SolrServerException {
server.deleteById(rowkey);
return server.commit(false, false);
}
//根据ID删除Solr数据
public UpdateResponse delete(CloudSolrServer server,List<String> rowkeys) throws IOException, SolrServerException {
server.deleteById(rowkeys);
return server.commit(false, false);
}
//将doc添加到缓存
public void addPutDocToCache(String collection, SolrInputDocument doc) throws IOException, SolrServerException, InterruptedException {
semp.acquire();
log.debug("addPutDocToCache:" + "collection=" + collection + "data=" + doc.toString());
if(!putCache.containsKey(collection)){
List<SolrInputDocument> docs = new LinkedList<SolrInputDocument>();
docs.add(doc);
putCache.put(collection,docs);
}else {
List<SolrInputDocument> cache = putCache.get(collection);
cache.add(doc);
if (cache.size() >= maxCache) {
try {
this.put(solrServers.get(collection), cache);
} finally {
putCache.get(collection).clear();
}
}
}
semp.release();//释放信号量
}
//添加删除操作到缓存
public void addDeleteIdCache(String collection,String rowkey) throws IOException, SolrServerException, InterruptedException {
semp.acquire();
log.debug("addDeleteIdCache:" + "collection=" + collection + "rowkey=" + rowkey);
if(!deleteCache.containsKey(collection)){
List<String> rowkeys = new LinkedList<String>();
rowkeys.add(rowkey);
deleteCache.put(collection,rowkeys);
}else{
List<String> cache = deleteCache.get(collection);
cache.add(rowkey);
if (cache.size() >= maxCache) {
try{
this.delete(solrServers.get(collection),cache);
}finally {
putCache.get(collection).clear();
}
}
}
semp.release();//释放信号量
}
@Override
public void run() {
try {
semp.acquire();
log.debug("开始插入....");
Set<String> collections = solrServers.keySet();
for(String collection:collections){
if(putCache.containsKey(collection) && (!putCache.get(collection).isEmpty()) ){
this.put(solrServers.get(collection),putCache.get(collection));
putCache.get(collection).clear();
}
if(deleteCache.containsKey(collection) && (!deleteCache.get(collection).isEmpty())){
this.delete(solrServers.get(collection),deleteCache.get(collection));
deleteCache.get(collection).clear();
}
}
} catch (InterruptedException e) {
e.printStackTrace();
} catch (Exception e) {
log.error("Commit putCache to Solr error!Because :" + e.getMessage());
}finally {
semp.release();//释放信号量
}
}
}
3.4 拦截HBase的Put和Delete操作信息
在每个prePut和preDelete中拦截操作信息,记录表名、列名、值。将这些信息根据表名和Collection名进行分类写入缓存。
public class HBaseIndexerToSolrObserver extends BaseRegionObserver implements LogManager{
Map<String,List<HBaseIndexerMappin>> mappins = ConfigManager.getHBaseIndexerMappin();
Timer timer = new Timer();
int maxCommitTime = ConfigManager.config.getInt("MaxCommitTime"); //最大提交时间,s
SolrCommitTimer solrCommit = new SolrCommitTimer();
public HBaseIndexerToSolrObserver(){
log.info("Initialization HBaseIndexerToSolrObserver ...");
for(Map.Entry<String,List<HBaseIndexerMappin>> entry : mappins.entrySet() ){
List<HBaseIndexerMappin> solrmappin = entry.getValue();
for(HBaseIndexerMappin map:solrmappin){
String collection = map.solrConnetion;//获取Collection名字
log.info("Create Solr Server connection .The collection is " + collection);
CloudSolrServer solrserver = SolrServerManager.create(collection);//根据Collection初始化SolrServer连接
solrCommit.addCollecttion(collection,solrserver);
}
}
timer.schedule(solrCommit, 10 * 1000L, maxCommitTime * 1000L);
}
@Override
public void postPut(ObserverContext<RegionCoprocessorEnvironment> e,
Put put, WALEdit edit, Durability durability) throws IOException {
String table = e.getEnvironment().getRegion().getTableDesc().getTableName().getNameAsString();//获取表名
String rowkey= Bytes.toString(put.getRow());//获取主键
SolrInputDocument doc = new SolrInputDocument();
List<HBaseIndexerMappin> mappin = mappins.get(table);
for(HBaseIndexerMappin mapp : mappin){
for(String column : mapp.columns){
String[] tmp = column.split(":");
String cf = tmp[0];
String cq = tmp[1];
if(put.has(Bytes.toBytes(cf),Bytes.toBytes(cq))){
Cell cell = put.get(Bytes.toBytes(cf),Bytes.toBytes(cq)).get(0);//获取制定列的数据
Map<String, String > operation = new HashMap<String,String>();
operation.put("set",Bytes.toString(CellUtil.cloneValue(cell)));
doc.setField(cq,operation);//使用原子更新的方式将HBase二级索引写入Solr
}
}
doc.addField("id",rowkey);
try {
solrCommit.addPutDocToCache(mapp.solrConnetion,doc);//添加doc到缓存
} catch (SolrServerException e1) {
e1.printStackTrace();
} catch (InterruptedException e1) {
e1.printStackTrace();
}
}
}
@Override
public void postDelete(ObserverContext<RegionCoprocessorEnvironment> e,
Delete delete,
WALEdit edit,
Durability durability) throws IOException{
String table = e.getEnvironment().getRegion().getTableDesc().getTableName().getNameAsString();
String rowkey= Bytes.toString(delete.getRow());
List<HBaseIndexerMappin> mappin = mappins.get(table);
for(HBaseIndexerMappin mapp : mappin){
try {
solrCommit.addDeleteIdCache(mapp.solrConnetion,rowkey);//添加删除操作到缓存
} catch (SolrServerException e1) {
e1.printStackTrace();
} catch (InterruptedException e1) {
e1.printStackTrace();
}
}
}
}
四、 使用
首先需要添加morphlines.conf文件。里面包含了需要同步数据到Solr的HBase表名、对应的Solr Collection的名字、要同步的列、多久提交一次、最大批次容量的相关信息。具体配置如下:
#最大提交时间(单位:秒)
MaxCommitTime = 30
#最大批次容量
MaxCommitSize = 10000
Mappin {
HBaseTables: ["HBASE_OBSERVER_TEST"] #需要同步的HBase表名
"HBASE_OBSERVER_TEST": [
{
SolrCollection: "bqjr" #Solr Collection名字
Columns: [
"cf1:test_age", #需要同步的列,格式<列族:列>
"cf1:test_name"
]
},
]
}
该配置文件默认放在各个节点的/etc/hbase/conf/
下。如果你希望将配置文件路径修改为其他路径,请修改com.bqjr.bigdata.HBaseObserver.comm.config.SourceConfig类中的configHome路径。
然后将代码打包,上传到HDFS中,将协处理器添加到对应的表中。
#先禁用这张表
disable 'HBASE_OBSERVER_TEST'
#为这张表添加协处理器,设置的参数具体为: jar文件路径|类名|优先级(SYSTEM或者USER)
alter 'HBASE_OBSERVER_TEST','coprocessor'=>'hdfs://hostname:8020/ext_lib/HBaseObserver-1.0.0.jar|com.bqjr.bigdata.HBaseObserver.server.HBaseIndexerToSolrObserver||'
#启用这张表
enable 'HBASE_OBSERVER_TEST'
#删除某个协处理器,"$<bumber>"后面跟的ID号与desc里面的ID号相同
alter 'HBASE_OBSERVER_TEST',METHOD=>'table_att_unset',NAME => 'coprocessor$1'
如果需要新增一张表同步到Solr。只需要修改morphlines.conf文件,分发倒各个节点。然后将协处理器添加到HBase表中,这样就不用再次修改代码了。