1.起因(Why HBase  Coprocessor)

HBase作为列族数据库最常常被人诟病的特性包含:无法轻易建立“二级索引”,难以运行求和、计数、排序等操作。比方,在旧版本号的(<0.92)Hbase中,的总行数。须要使用Counter方法,运行一次MapReduce
Job才干得到。尽管HBase在中集成了MapReduce。能够有效用于数据表的分布式计算。然而在非常多情况下,做一些简单的相加或者聚合计算的时候,假设直接将计算过程放置在server端,能够降低通讯开销,从而获得非常好的性能提升。于是,HBase在0.92之后引入了协处理器(coprocessors)。实现一些激动人心的新特性:能够轻易建立二次索引、复杂过滤器(谓词下推)以及訪问控制等。

2.灵感来源( Source of Inspration)

HBase协处理器的灵感来自于Jeff Dean 09年的演讲(
P66-67)。

它依据该演讲实现了相似于bigtable的协处理器,包含以下特性:

  • 每一个表服务器的随意子表都能够运行代码
  • client的高层调用接口(client能够直接訪问数据表的行地址。多行读写会自己主动分片成多个并行的RPC调用)
  • 提供一个非常灵活的、可用于建立分布式服务的数据模型
  • 能够自己主动化扩展、负载均衡、应用请求路由
HBase的协处理器灵感来自bigtable,可是实现细节不尽同样。

HBase建立了一个框架。它为用户提供类库和运行时环境。使得他们的代码能够在HBase region server和master上处理。

3.细节剖析(Implementation)

协处理器分两种类型,系统协处理器能够全局导入region server上的全部数据表,表协处理器即是用户能够指定一张表使用协处理器。协处理器框架为了更好支持其行为的灵活性。提供了两个不同方面的插件。

一个是观察者(observer)。相似于关系数据库的触发器。

还有一个是终端(endpoint),动态的终端有点像存储过程。

 3.1观察者(Observer)

观察者的设计意图是同意用户通过插入代码来重载协处理器框架的upcall方法。而详细的事件触发的callback方法由HBase的核心代码来运行。

协处理器框架处理全部的callback调用细节。协处理器自身仅仅须要插入加入或者改变的功能。

以HBase0.92版本号为例,它提供了三种观察者接口:

  • RegionObserver:提供client的数据操纵事件钩子:Get、Put、Delete、Scan等。
  • 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。

这些接口能够同一时候使用在同一个地方,依照不同优先级顺序运行.用户能够随意基于协处理器实现复杂的HBase功能层。HBase有非常多种事件能够触发观察者方法,这些事件与方法从HBase0.92版本号起。都会集成在HBase API中。

只是这些API可能会由于各种原因有所修改。不同版本号的接口修改比較大,详细參考Java
Doc

RegionObserver工作原理,如图1所看到的。

很多其它关于Observer细节请參见HBaseBook的第9.6.3章节

Hbase总结(八)Hbase中的Coprocessor-LMLPHP

图1 RegionObserver工作原理

 

3.2终端(Endpoint)

终端是动态RPC插件的接口。它的实现代码被安装在服务器端。从而能够通过HBase RPC唤醒。client类库提供了非常方便的方法来调用这些动态接口。它们能够在随意时候调用一个终端。它们的实现代码会被目标region远程运行。结果会返回到终端。用户能够结合使用这些强大的插件接口,为HBase加入全新的特性。终端的使用,如以下流程所看到的:

  1. 定义一个新的protocol接口,必须继承CoprocessorProtocol.
  2. 实现终端接口,该实现会被导入region环境运行。
  3. 继承抽象类BaseEndpointCoprocessor.
  4. 在client。终端能够被两个新的HBase Client API调用 。

    单个region:HTableInterface.coprocessorProxy(Class<T> protocol, byte[] row) 。rigons区域:HTableInterface.coprocessorExec(Class<T> protocol, byte[] startKey, byte[] endKey, Batch.Call<T,R>
    callable)

总体的终端调用过程范例,如图2所看到的:

Hbase总结(八)Hbase中的Coprocessor-LMLPHP

图2 终端调用过程范例

4.编程实践(Code Example)

在该实例中,我们通过计算HBase表中行数的一个实例,来真实感受协处理器 的方便和强大。在旧版的HBase我们须要编写MapReduce代码来汇总数据表中的行数,在0.92以上的版本号HBase中,仅仅须要编写client的代码就可以实现,非常适合用在WebService的封装上。

4.1启用协处理器 Aggregation(Enable Coprocessor Aggregation)

我们有两个方法:1.启动全局aggregation。能过操纵全部的表上的数据。通过修改hbase-site.xml这个文件来实现,仅仅须要加入例如以下代码:

<property>
<name>hbase.coprocessor.user.region.classes</name>
<value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value>
</property>

2.启用表aggregation,仅仅对特定的表生效。通过HBase Shell 来实现。

(1)disable指定表。hbase> disable 'mytable'

(2)加入aggregation hbase> alter 'mytable', METHOD => 'table_att','coprocessor'=>'|org.apache.hadoop.hbase.coprocessor.AggregateImplementation||'

(3)重新启动指定表 hbase> enable 'mytable'

4.2统计行数代码(Code Snippet)

public class MyAggregationClient {

private static final byte[] TABLE_NAME = Bytes.toBytes("mytable");
private static final byte[] CF = Bytes.toBytes("vent");
public static void main(String[] args) throws Throwable {
Configuration customConf = new Configuration();
customConf.setStrings("hbase.zookeeper.quorum",
"node0,node1,node2");
//提高RPC通信时长
customConf.setLong("hbase.rpc.timeout", 600000);
//设置Scan缓存
customConf.setLong("hbase.client.scanner.caching", 1000);
Configuration configuration = HBaseConfiguration.create(customConf);
AggregationClient aggregationClient = new AggregationClient(
configuration);
Scan scan = new Scan();
//指定扫描列族,唯一值
scan.addFamily(CF);
long rowCount = aggregationClient.rowCount(TABLE_NAME, null, scan);
System.out.println("row count is " + rowCount); }
}

4.3 典型样例

  协处理器当中的一个作用是使用Observer创建二级索引。先举个实际样例: 
  我们要查询指定店铺指定客户购买的订单,首先有一张订单详情表,它以被处理后的订单id作为rowkey。其次有一张以客户nick为rowkey的索引表,结构例如以下: 

rowkey family 
dp_id+buy_nick1 tid1:null tid2:null ... 
dp_id+buy_nick2 tid3:null 
... 
该表能够通过Coprocessor来构建。实例代码: 

public class TestCoprocessor extends BaseRegionObserver {
@Override
public void prePut(final ObserverContext<RegionCoprocessorEnvironment> e,
final Put put, final WALEdit edit, final boolean writeToWAL)
throws IOException {
Configuration conf = new Configuration();
HTable table = new HTable(conf, "index_table");
List<KeyValue> kv = put.get("data".getBytes(), "name".getBytes());
Iterator<KeyValue> kvItor = kv.iterator();
while (kvItor.hasNext()) {
KeyValue tmp = kvItor.next();
Put indexPut = new Put(tmp.getValue());
indexPut.add("index".getBytes(), tmp.getRow(), Bytes.toBytes(System.currentTimeMillis()));
table.put(indexPut);
}
table.close();
}
}

即继承BaseRegionObserver类,实现prePut方法,在插入订单详情表之前,向索引表插入索引数据。 

4.4索引表的使用 

先在索引表get索引表,获取tids,然后依据tids查询订单详情表。 
当有多个查询条件(多张索引表),依据逻辑运算符(and 、or)确定tids。 

4.5使用时注意 

1.索引表是一张普通的hbase表,为安全考虑须要开启Hlog记录日志。

 
2.索引表的rowkey最好是不可变量,避免索引表中产生大量的脏数据。 
3.如上样例,column是横向扩展的(宽表)。rowkey设计除了要考虑region均衡,也要考虑column数量。即表不要太宽。建议不超过3位数。 
4.如上代码,一个put操作事实上是先后向两张表put数据,为保证一致性,须要考虑异常处理,建议异常时重试。 

4.6效率情况 

put操作效率不高,如上代码。每插入一条数据须要创建一个新的索引表连接(能够使用htablepool优化)。向索引表插入数据。即耗时是双倍的。对hbase的集群的压力也是双倍的。

当索引表有多个时。压力会更大。 
查询效率比filter高,毫秒级别,由于都是rowkey的查询。 
如上是预计的效率情况,须要依据实际业务场景和集群情况而定。最好做预先測试。

 

4.7Coprocessor二级索引方案优劣 

长处:在put压力不大、索引region均衡的情况下,查询非常快。 
缺点:业务性比較强,若有多个字段的查询,须要建立多张索引表,须要保证多张表的数据一致性,且在hbase的存储和内存上都会有更高的要求。

05-11 21:51