Hbase总结（八）Hbase中的Coprocessor

怼烎@ 2022-08-07 10:57 223阅读 0赞

http://blog.csdn.net/lifuxiangcaohui/article/details/39991183

### 1.起因(Why HBase  Coprocessor) ###

HBase作为列族数据库最经常被人诟病的特性包括：无法轻易建立“二级索引”，难以执行求和、计数、排序等操作。比如，在旧版本的(<0.92)Hbase中，[统计数据表][Link 1]的总行数，需要使用Counter方法，执行一次MapReduce Job才能得到。虽然HBase在[数据存储层][Link 2]中集成了MapReduce，能够有效用于数据表的分布式计算。然而在很多情况下，做一些简单的相加或者聚合计算的时候，如果直接将计算过程放置在server端，能够减少通讯开销，从而获得很好的性能提升。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)以及访问控制等。

### 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][Link 3]( P66-67)。它根据该演讲实现了类似于bigtable的协处理器，包括以下特性:

*  每个表服务器的任意子表都可以[运行代码][Link 4]
 *  客户端的高层[调用接口][Link 5](客户端能够直接访问数据表的行地址，多行读写会自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，但是实现细节不尽相同。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，系统协处理器可以全局导入region server上的所有数据表，表协处理器即是用户可以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），类似于关系数据库的触发器。另一个是终端(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允许用户通过插入代码来重载协处理器框架的upcall方法，而具体的事件触发的callback方法由HBase的核心代码来执行。协处理器框架处理所有的callback调用细节，协处理器自身只需要插入添加或者改变的功能。

以HBase0.92版本为例，它提供了三种观察者接口：

*  RegionObserver：提供客户端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。

这些接口可以同时使用在同一个地方，按照不同优先级顺序执行.用户可以任意基于协处理器实现复杂的HBase功能层。HBase有很多种事件可以触发观察者方法，这些事件与方法从HBase0.92版本起，都会集成在HBase API中。不过这些API可能会由于各种原因有所改动，不同版本的接口改动比较大，具体参考[Java Doc][]。

RegionObserver工作原理，如图1所示。更多关于Observer细节请参见HBaseBook的[第9.6.3章节][9.6.3]。

[![regionobserver.png][]][regionobserver.png]

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。客户端类库提供了非常方便的方法来调用这些动态接口，它们可以在任意时候调用一个终端，它们的实现代码会被目标region远程执行，结果会返回到终端。用户可以结合使用这些强大的插件接口，为HBase添加全新的特性。终端的使用，如下面流程所示：

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环境执行。
3.  继承抽象类BaseEndpointCoprocessor.
4.  在客户端，终端可以被两个新的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)

整体的终端调用过程范例，如图2所示：

### [![rpc.png][]][rpc.png] ###

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我们需要编写MapReduce代码来汇总数据表中的行数，在0.92以上的版本HBase中，只需要编写客户端的代码即可实现，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，能过操纵所有的表上的数据。通过修改hbase-site.xml这个文件来实现，只需要添加如下代码：

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

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

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

(2)添加aggregation hbase> alter 'mytable', METHOD => 'table\_att','coprocessor'=>'|org.apache.hadoop.hbase.coprocessor.AggregateImplementation||'

(3)重启指定表 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 典型例子 ##

协处理器其中的一个作用是使用Observer创建二级索引。先举个实际例子：   
  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，结构如下：   
  
rowkey family   
dp\_id+buy\_nick1 tid1:null tid2:null ...   
dp\_id+buy\_nick2 tid3:null   
...   
该表可以通过Coprocessor来构建，实例代码：

**\[html\]**  [view plain][] [copy][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  public class TestCoprocessor extends BaseRegionObserver \{   
2.      @Override   
3.       public void prePut(final ObserverContext**<****RegionCoprocessorEnvironment****>** e,   
4.       final Put put, final WALEdit edit, final boolean writeToWAL)   
5.       throws IOException \{   
6.           Configuration conf = new Configuration();   
7.           HTable table = new HTable(conf, "index\_table");   
8.           List**<****KeyValue****>** kv = put.get("data".getBytes(), "name".getBytes());   
9.           Iterator**<****KeyValue****>** kvItor = kv.iterator();   
10.          while (kvItor.hasNext()) \{   
11.              KeyValue tmp = kvItor.next();   
12.              Put indexPut = new Put(tmp.getValue());   
13.              indexPut.add("index".getBytes(), tmp.getRow(), Bytes.toBytes(System.currentTimeMillis()));   
14.              table.put(indexPut);   
15.          \}   
16.          table.close();   
17.      \}   
18. \}

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，然后根据tids查询订单详情表。   
当有多个查询条件（多张索引表），根据逻辑运算符（and 、or）确定tids。

## 4.5使用时注意  ##

1.索引表是一张普通的hbase表，为安全考虑需要开启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.如上例子，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操作其实是先后向两张表put数据，为保证一致性，需要考虑异常处理，建议异常时重试。

## 4.6效率情况  ##

put操作效率不高，如上代码，每插入一条数据需要创建一个新的索引表连接（可以使用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，因为都是rowkey的查询。   
如上是估计的效率情况，需要根据实际业务场景和集群情况而定，最好做预先测试。

## 4.7Coprocessor二级索引方案优劣  ##

优点：在put压力不大、索引region均衡的情况下，查询很快。   
缺点：业务性比较强，若有多个字段的查询，需要建立多张索引表，需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。

*  上一篇[HBase总结（七）LSM理解][HBase_LSM]
 *  下一篇[HBase总结（九）Bloom Filter概念和原理][HBase_Bloom Filter]

顶

踩

[Link 1]: http://www.so.com/s?q=%E7%BB%9F%E8%AE%A1%E6%95%B0%E6%8D%AE%E8%A1%A8&ie=utf-8&src=se_lighten_f
[Link 2]: http://www.so.com/s?q=%E6%95%B0%E6%8D%AE%E5%AD%98%E5%82%A8%E5%B1%82&ie=utf-8&src=se_lighten_f
[Link 3]: http://www.scribd.com/doc/21631448/Dean-Keynote-Ladis2009
[Link 4]: http://www.so.com/s?q=%E8%BF%90%E8%A1%8C%E4%BB%A3%E7%A0%81&ie=utf-8&src=se_lighten_f
[Link 5]: http://www.so.com/s?q=%E8%B0%83%E7%94%A8%E6%8E%A5%E5%8F%A3&ie=utf-8&src=se_lighten_f
[Java Doc]: http://hbase.apache.org/apidocs/org/apache/hadoop/hbase/client/coprocessor/package-summary.html
[9.6.3]: http://hbase.apache.org/book.html#coprocessors
[regionobserver.png]: /images/20220805/9e619bb27fa74db9a57b120a394a9d82.png
[rpc.png]: /images/20220805/01bb5fb056994055a48e6aa68e6f51b8.png
[1.]: http://www.so.com/s?q=1.&ie=utf-8&src=se_lighten_f
[view plain]: http://blog.csdn.net/lifuxiangcaohui/article/details/39991183#
[CODE]: https://code.csdn.net/assets/CODE_ico.png
[CODE_CODE]: https://code.csdn.net/snippets/482221
[ico_fork.svg]: https://code.csdn.net/assets/ico_fork.svg
[ico_fork.svg 1]: https://code.csdn.net/snippets/482221/fork
[HBase_LSM]: http://blog.csdn.net/lifuxiangcaohui/article/details/39962921
[HBase_Bloom Filter]: http://blog.csdn.net/lifuxiangcaohui/article/details/39991781