1.起因(Why HBase ?Coprocessor)

HBase作為列族數據庫最經常被人詬病的特性包括：無法輕易建立“二級索引”，難以執行求和、計數、排序等操作。比如，在舊版本的(<0.92)Hbase中，統計數據表的總行數，需要使用Counter方法，執行一次MapReduce Job才能得到。雖然HBase在數據存儲層中集成了MapReduce，能夠有效用于數據表的分布式計算。然而在很多情況下，做一些簡單的相加或者聚合計算的時候，如果直接將計算過程放置在server端，能夠減少通訊開銷，從而獲得很好的性能提升。于是，HBase在0.92之后引入了協處理器(coprocessors)，實現一些激動人心的新特性：能夠輕易建立二次索引、復雜過濾器(謂詞下推)以及訪問控制等。

2.靈感來源( Source of Inspration)

HBase協處理器的靈感來自于Jeff Dean 09年的演講( P66-67)。它根據該演講實現了類似于bigtable的協處理器，包括以下特性:

• 每個表服務器的任意子表都可以運行代碼
• 客戶端的高層調用接口(客戶端能夠直接訪問數據表的行地址，多行讀寫會自動分片成多個并行的RPC調用)
• 提供一個非常靈活的、可用于建立分布式服務的數據模型
• 能夠自動化擴展、負載均衡、應用請求路由

HBase的協處理器靈感來自bigtable，但是實現細節不盡相同。HBase建立了一個框架，它為用戶提供類庫和運行時環境，使得他們的代碼能夠在HBase region server和master上處理。

3.細節剖析（Implementation)

協處理器分兩種類型，系統協處理器可以全局導入region server上的所有數據表，表協處理器即是用戶可以指定一張表使用協處理器。協處理器框架為了更好支持其行為的靈活性，提供了兩個不同方面的插件。一個是觀察者（observer），類似于關系數據庫的觸發器。另一個是終端(endpoint)，動態的終端有點像存儲過程。

?3.1觀察者(Observer)

觀察者的設計意圖是允許用戶通過插入代碼來重載協處理器框架的upcall方法，而具體的事件觸發的callback方法由HBase的核心代碼來執行。協處理器框架處理所有的callback調用細節，協處理器自身只需要插入添加或者改變的功能。

以HBase0.92版本為例，它提供了三種觀察者接口：

• RegionObserver：提供客戶端的數據操縱事件鉤子：Get、Put、Delete、Scan等。
• WALObserver：提供WAL相關操作鉤子。
• MasterObserver：提供DDL-類型的操作鉤子。如創建、刪除、修改數據表等。

這些接口可以同時使用在同一個地方，按照不同優先級順序執行.用戶可以任意基于協處理器實現復雜的HBase功能層。HBase有很多種事件可以觸發觀察者方法，這些事件與方法從HBase0.92版本起，都會集成在HBase API中。不過這些API可能會由于各種原因有所改動，不同版本的接口改動比較大，具體參考Java Doc。

RegionObserver工作原理，如圖1所示。更多關于Observer細節請參見HBaseBook的第9.6.3章節。

圖1?RegionObserver工作原理

?

3.2終端(Endpoint)

終端是動態RPC插件的接口，它的實現代碼被安裝在服務器端，從而能夠通過HBase RPC喚醒。客戶端類庫提供了非常方便的方法來調用這些動態接口，它們可以在任意時候調用一個終端，它們的實現代碼會被目標region遠程執行，結果會返回到終端。用戶可以結合使用這些強大的插件接口，為HBase添加全新的特性。終端的使用，如下面流程所示：

定義一個新的protocol接口，必須繼承CoprocessorProtocol.

實現終端接口，該實現會被導入region環境執行。

繼承抽象類BaseEndpointCoprocessor.

在客戶端，終端可以被兩個新的HBase Client API調用 。單個region：HTableInterface.coprocessorProxy(Class<T> protocol, byte[] row) 。rigons區域：HTableInterface.coprocessorExec(Class<T> protocol, byte[] startKey, byte[] endKey, Batch.Call<T,R> callable)

整體的終端調用過程范例，如圖2所示：

圖2?終端調用過程范例

4.編程實踐(Code Example)

在該實例中，我們通過計算HBase表中行數的一個實例，來真實感受協處理器 的方便和強大。在舊版的HBase我們需要編寫MapReduce代碼來匯總數據表中的行數，在0.92以上的版本HBase中，只需要編寫客戶端的代碼即可實現，非常適合用在WebService的封裝上。

4.1啟用協處理器 Aggregation(Enable Coprocessor Aggregation)

我們有兩個方法：1.啟動全局aggregation，能過操縱所有的表上的數據。通過修改hbase-site.xml這個文件來實現，只需要添加如下代碼：

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

2.啟用表aggregation，只對特定的表生效。通過HBase Shell 來實現。

(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)重啟指定表?hbase> enable 'mytable'

4.2統計行數代碼(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通信時長 customConf.setLong("hbase.rpc.timeout", 600000); //設置Scan緩存 customConf.setLong("hbase.client.scanner.caching", 1000); Configuration configuration = HBaseConfiguration.create(customConf); AggregationClient aggregationClient = new AggregationClient( configuration); Scan scan = new Scan(); //指定掃描列族，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

? 協處理器其中的一個作用是使用Observer創建二級索引。先舉個實際例子：?
? 我們要查詢指定店鋪指定客戶購買的訂單，首先有一張訂單詳情表，它以被處理后的訂單id作為rowkey；其次有一張以客戶nick為rowkey的索引表，結構如下：?

rowkey family?
dp_id+buy_nick1 tid1:null tid2:null ...?
dp_id+buy_nick2 tid3:null?
...?
該表可以通過Coprocessor來構建，實例代碼：?

[html]?view plaincopy

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();???

?????}???

}???

即繼承BaseRegionObserver類，實現prePut方法，在插入訂單詳情表之前，向索引表插入索引數據。?

4.4索引表的使用?

先在索引表get索引表，獲取tids，然后根據tids查詢訂單詳情表。?
當有多個查詢條件（多張索引表），根據邏輯運算符（and 、or）確定tids。?

4.5使用時注意?

1.索引表是一張普通的hbase表，為安全考慮需要開啟Hlog記錄日志。?
2.索引表的rowkey最好是不可變量，避免索引表中產生大量的臟數據。?
3.如上例子，column是橫向擴展的（寬表），rowkey設計除了要考慮region均衡，也要考慮column數量，即表不要太寬。建議不超過3位數。?
4.如上代碼，一個put操作其實是先后向兩張表put數據，為保證一致性，需要考慮異常處理，建議異常時重試。?

4.6效率情況?

put操作效率不高，如上代碼，每插入一條數據需要創建一個新的索引表連接（可以使用htablepool優化），向索引表插入數據。即耗時是雙倍的，對hbase的集群的壓力也是雙倍的。當索引表有多個時，壓力會更大。?
查詢效率比filter高，毫秒級別，因為都是rowkey的查詢。?
如上是估計的效率情況，需要根據實際業務場景和集群情況而定，最好做預先測試。?

4.7Coprocessor二級索引方案優劣?

優點：在put壓力不大、索引region均衡的情況下，查詢很快。?
缺點：業務性比較強，若有多個字段的查詢，需要建立多張索引表，需要保證多張表的數據一致性，且在hbase的存儲和內存上都會有更高的要求。 創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的Hbase总结（八）Hbase中的Coprocessor的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。