关于使用hbase进行多维度条件实时查询的方案调研。
1.MapReduce方案
优点：并发批量构建Index
缺点：不能实时构建Index
2.ITHBASE方案
缺点：需要重构hbase，几年没有更新。
3.IHBASE方案
缺点：需要重构hbase。
4.Coprocessor方案
华为的HBase二级索引采用此方案（hindex 代码开源）。
1)、索引和数据分别放在不同表里;
2)、所有的运算逻辑全都放在服务端;
3)、需要修改HBase源码，侵入性大
4)、 查询时无需指定，即可自动使用最优索引
缺点：代码很复杂，代码量非常多。一下子要弄明白原理可能比较困难。hindex和公司的HBase版本不兼容性
5.Solr+hbase方案
缺点：对Solr不熟悉
6.CCIndex
缺点： 如存储开销比较大,尤其是当索引列比较多的时候,空间开销会更大;索引更新代价比较高,会影响系统的吞吐量;索引创建以后,不能够动态增加或修改。
7.360的hbase二级索引
360二级索引的特点如下：
1)、索引和Rowkey在同一个表里;
2)、支持多范围与操作优化;
3)、支持索引重建
缺点：没有开源，需要按照他的思想去实现，原理不是太清楚，只明白一点点，按照这个思想来重新搭建也可能非常耗时间。
8.phoenix的二级索引
好处：开源，自带二级索引。
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
不论什么实现二级索引基本都是空间换时间，实现倒叙索引。
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 objectprivate Map<byte[], ImmutableBytesWritable> indexes = new HashMap<byte[], ImmutableBytesWritable>();//make the cloumnfamilyprivate 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. */@Overrideprotected 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rowkeyput.add(Bytes.toBytes("f1"), Bytes.toBytes("id"), key.get());//context writecontext.write(indexTableName, put);}// super.map(key, value, context);}/** * Called once at the beginning of the task. */@Overrideprotected 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
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
package aboutyun;import java.io.IOException;import java.util.Iterator;import java.util.List;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.hbase.Cell;import org.apache.hadoop.hbase.KeyValue;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;public class HbaseCoprocessor extends BaseRegionObserver {public void prePut(final ObserverContext<RegionCoprocessorEnvironment> e,final Put put, final WALEdit edit, final boolean writeToWAL)throws IOException {// set configurationConfiguration conf = new Configuration();// need conf.set...String colName = "columnName";HTable table = new HTable(conf, "indexTableName");List<Cell> kv = put.get("familyName".getBytes(), colName.getBytes());Iterator<Cell> kvItor = kv.iterator();while (kvItor.hasNext()) {Cell tmp = kvItor.next();Put indexPut = new Put(tmp.getValue());indexPut.add("familyName".getBytes(), "columnName".getBytes(),tmp.getRow());table.put(indexPut);}table.close();}}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：
disable ‘testTable’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。
参考博文：
1.http://www.aboutyun.com/forum.php?mod=viewthread&tid=8857&highlight=hbase%2B%B6%FE%BC%B6
随时随地看视频
