HBase ORM SimpleHBase设计
HBase ORM SimpleHBase设计
http://www.infoq.com/cn/articles/hbase-orm-simplehbase-design
目前企业软件开发占据主流的开发模式为面向对象模式。无论是建立在集合论之上的传统关系型数据库，还是以CAP定理/Hadoop/BigTable为基石的HBase，都面临以下的基本问题：
- 如何保存对象到数据存储？
- 如何从数据存储获取对象？
- 如何更新数据存储中的现有数据？数据存储的类型系统和开发语言（Java）的类型系统之间如何相互转换？
简而言之，数据存储如何提供增、删、改、查的服务能力，应用如何方便的使用该能力。关系型数据库给出的答案为SQL，JDBC和各种ORM框架（典型例子为Hibernate和MyBatis）。
HBase ORM
ORM即Object-Relational mapping，对于HBase而言不存在Relational，因此该名称不准确，只是ORM做为一个术语使用太过广泛，这里泛指数据存储和Object之间的映射。
HBase的设计和RDBMS差异较大，因此除了上一小节的问题外，还需要解决如下问题：
- 如何映射HTable的RowKey？
- 如何映射HTable的bytes到Java类型？
- 如何映射HTable的多版本能力？
本文着重介绍HBase ORM SimpleHBase框架，并和另一个HBase ORM Phoenix（http://phoenix.incubator.apache.org/）做比较。
SimpleHBase简介
SimpleHBase（https://github.com/zhang-xzhi/simplehbase）是Java和HBase之间的轻量级中间件，主要包含以下功能：
- 数据类型映射：Java类型和HBase的bytes之间的数据转换。
- 简单操作封装：封装了HBase的put,get,scan等操作为简单的Java操作方式。
- HBase query封装：封装了HBase的filter，可以使用SQL-like的方式操作HBase。
- 动态query封装：类似于mybatis，可以使用xml配置动态语句查询hbase。
- insert,update支持: 建立在HBase的checkAndPut之上。
- HBase多版本支持：提供接口可以对HBase多版本数据进行查询,映射。
- HBase原生接口支持。
- HTablePool管理。
设计理念
Phoenix的设计理念为:We put the SQL back into NoSql。该理念的优点如下：
- SQL做为大众熟悉的API，用户学习成本较低。
- 减少程序员的代码开发量。
- 性能优化对用户透明。
- 兼容既有的基于SQL的工具。
该理念的缺点如下：
- SQL屏蔽了HBase和RDBMS设计上的差别，抽象泄露的风险较高。关于抽象泄露参考http://www.joelonsoftware.com/articles/LeakyAbstractions.html。
- 为了SQL兼容，引入了JDBC层。由于RDBM和HBase的设计与模型本身差异较大，引入JDBC后，导致部分HBase的特性难以友好的支持。
- 大部分的应用不会直接使用JDBC，而是使用ORM，技术栈较深，导致抽象泄露问题更加严重。
SimpleHBase的设计理念为：贴近HBase的ORM设计，简化HBase之上的Java app开发。
该理念的优点如下：
- 设计紧贴HBase的逻辑模型，提供一站式HBase ORM解决方案。
- 减少程序员的代码开发量。
- 用户友好的HBase特征支持。
该理念的缺点如下：
1. 不兼容SQL，有一定的学习成本。
SimpleHBase和Phoenix的技术栈如下所示。
类型转换
Phoenix支持如下类型，目前不支持自定义类型。每种类型的序列化(转化为bytes保存到HBase中)和反序列化为固定的方式。
| INTEGER UNSIGNED_INT BIGINT UNSIGNED_LONG TINYINT UNSIGNED_TINYINT SMALLINT UNSIGNED_SMALLINT |
FLOAT UNSIGNED_FLOAT DOUBLE UNSIGNED_DOUBLE DECIMAL BOOLEAN TIME DATE |
TIMESTAMP UNSIGNED_TIME UNSIGNED_DATE UNSIGNED_TIMESTAMP VARCHAR CHAR BINARY VARBINARY |
SimpleHBase支持如下类型。每种类型的序列化和反序列化方式，可以使用SimpleHBas提供的默认方式，也可以用户自定义。
| boolean byte short char int long float double |
String Date Enum |
用户自定义类型: 通过TypeHandler支持自定义类型扩展。 |
SimpleHBase的rowkey和类型映射如下：
RowKey支持
Phoenix把rowkey内化为table的PRIMARY KEY处理。
如
| CREATE TABLE IF NOT EXISTS us_population ( state CHAR(2) NOT NULL, city VARCHAR NOT NULL, population BIGINT CONSTRAINT my_pk PRIMARY KEY (state, city)); |
同时，Phoenix的Salted Tables技术可以解决region server的热点问题。
SimpleHBase认为rowkey的设计是HBase应用设计中最重要的一环。因此，对于RowKey单独建模，给用户提供较高的灵活性。实际上，对于HBase而言，任何可以转换为bytes的对象都可以做为rowkey使用。
简单场景支持
对于简单的put,scan,delete场景。
Phoenix提供的方案为：
Java app -> ORM(可选) -> SQL -> phoenix -> HBase
SimpleHBase提供的方案为：
Java app -> SimpleHBase-> HBase
无需SQL这一层，直接用类似如下代码即可实现。
| simpleHbaseClient.putObject(new PersonRowKey(1), person); Person result = simpleHbaseClient.findObject(new PersonRowKey(1), Person.class); |
简单SQL支持
Phoenix做为HBase上面的SQL封装，这块的功能比较丰富。SimpleHBase提供SQL-Like方式的查询。支持常见的简单查询场景。目前，SimpleHBase提供的运算符如下：
| lessequal less greaterequal greater notequal equal |
notmatch match |
in notin between notbetween |
isnull Isnotnull Ismissing isnotmissing |
and or |
() |
复杂SQL支持
对于group by, join等较为复杂的SQL语法，Phoenix支持，SimpleHBase目前不支持。
动态SQL支持
动态查询可以避免应用代码中大量if-else之类的判断，拼接查询条件，提高代码质量。
Phoenix的方案：
引入其他ORM框架(如hibernate或mybatis)。
Simplehbase的方案：
类似mybatis，提供动态查询能力。
目前simplehbase提供的动态查询标签如下：
| isNull isNotNull isEmpty isNotEmpty isPropertyAvailable isNotPropertyAvailable |
isEqual isNotEqual isGreaterThan isGreaterEqual isLessThan isLessEqual |
Dynamic |
HBase时间戳和多版本支持
Phoenix方案：
时间戳，由HBase管理，或在connection建立时指定一个时间戳，该connection上所有操作就是基于该时间戳。
不支持多版本，只能支持最新值。
Simplehbase方案：
时间戳可以由HBase管理，或者由应用自行指定。版本数，可以选择最新版本，或者多版本支持，由应用指定。
| rowkey |
timestamp |
name |
Age |
| key1 |
t4 |
d |
|
| key1 |
t3 |
c |
3 |
| key1 |
t2 |
2 |
|
| key1 |
t1 |
a |
1 |
假设name和age映射为一个Person类型对象。SimpleHBase支持如下映射方式：
- 一个rowkey对应的所有最新值映射为一个object。
例：该数据被映射为Person(name=d,age=3)。 - 一个rowkey对应的时间戳范围内(由用户指定)的最新值映射为一个object (Phoenix只提供一个时间戳，而不是时间戳范围) 。 例：指定时间戳范围(左闭右开)为 [t1,t3)，该数据被映射为Person(name=a,age=2)。
- 一个rowkey对应的所有值，以时间戳为维度，映射成一个object list。
例：指定maxVersion(控制最大版本数)为4,该数据被映射为一个person的列表，按照时间戳排序。Person(name=d) Person(name=c,age=3) Person(age=2) Person(name=a,age=1)
- 一个rowkey对应的时间戳范围内的所有值，以时间戳为维度，映射成一个object list。
例：指定时间戳范围为 [t1,t3)，maxVersion为4,该数据被映射为一个person的列表，按照时间戳排序。Person(age=2) Person(name=a,age=1)
其他
SimpleHBase中包含了一些HBase特性的封装或增强。
如：
| SimpleHBase支持批量put操作，以提升性能。 |
| HTable的autoflush设置为false，同时，有一个线程定期做flush。既可以提高应用的吞吐能力，也可以有一定的flush保证。 |
小结
目前，SimpleHBase已经在阿里的多个项目中得到应用。从设计理念看，SimpleHBase并不是Phoenix的一个重复轮子，而是有着自己清晰的目标。即贴近HBase的ORM设计，简化HBase之上的Java app开发。同时，又可以把HBase的一些核心概念暴露给用户，方便用户对HBase特性的使用。
关于作者：
张信之，支付宝高级工程师，目前负责支付宝消费数据组，西安交通大学计算机科学与技术专业硕士。兴趣广泛，近期工作聚焦在HBase ORM框架Simplehbase上。