大数据架构-使用HBase和Solr将存储与索引放在不同的机器上

摘要：    HBase可以通过协处理器    Coprocessor    的 方式向Solr发出请求，Solr对于接收到的数据可以做相关的同步：增、删、改索引的操作，这样就可以同时使用HBase存储量大和Solr检索性能高 的优点了，更何况HBase和Solr都可以集群。这对海量数据存储、检索提供了一种方式，将存储与索引放在不同的机器上，是大数据    架构的必须品。  

关键词：    HBase,     Solr,     Coprocessor    ,     大数据    ,     架构  

 

正如我的之前的博客“    Solr与HBase架构设计    ”中所述，HBase和Solr可以通过协处理器    Coprocessor    的方式向Solr发出请求，Solr对于接收到的数据可以做相关的同步：增、删、改索引的操作。将存储与索引放在不同的机器上，这是大数据架构的必须品，但目前还有很多不懂得此道的同学，他们对于这种思想感到很新奇，不过，这绝对是好的方向，所以不懂得抓紧学习吧。  

有个朋友给我的那篇博客留言，说CDH也可以做这样的事情，我还没有试过，他还问我要与此相关的代码，于是我就稍微整理了一下，作为本篇文章的主要内容。关于CDH的事，我会尽快尝试，有知道的同学可以给我留言。  

下面我主要讲述一下，我测试对HBase和Solr的性能时，使用HBase    协处理器向HBase添加数据所编写的相关代码，及解释说明。  

 

 

一、编写HBase协处理器Coprocessor  

 

一旦有数据postPut，就立即对Solr里相应的Core更新。这里使用了    ConcurrentUpdateSolrServer，它是Solr速率性能的保证，使用它不要忘记在Solr里面配置autoCommit哟。  

 

/*          *版权：王安琪          *描述：监视HBase，一有数据postPut就向Solr发送，本类要作为触发器添加到HBase          *修改时间：2014-05-27          *修改内容：新增          */         package solrHbase.test;           import java.io.UnsupportedEncodingException;           import ***;           public class SorlIndexCoprocessorObserver extends BaseRegionObserver {               private static final Logger LOG = LoggerFactory                     .getLogger(SorlIndexCoprocessorObserver.class);             private static final String solrUrl = "http://192.1.11.108:80/solr/core1";             private static final SolrServer solrServer = new ConcurrentUpdateSolrServer(                     solrUrl, 10000, 20);               /**              * 建立solr索引              *               * @throws  UnsupportedEncodingException              */             @Override             public void postPut(final ObserverContext e,                     final Put put, final WALEdit edit, final boolean writeToWAL)                     throws UnsupportedEncodingException {                 inputSolr(put);             }               public void inputSolr(Put put) {                 try {                     solrServer.add(TestSolrMain.getInputDoc(put));                 } catch (Exception ex) {                     LOG.error(ex.getMessage());                 }             }         }

 

注意：getInputDoc是这个HBase协处理器Coprocessor的精髓所在，它可以把HBase内的Put里的内容转化成Solr需要的值。其中    String fieldName = key.substring(key.indexOf(    columnFamily    ) + 3,     key.indexOf(    "我在这"    )).trim();    这里有一个乱码字符，在这里看不到，请大家注意一下。  

 

public static SolrInputDocument getInputDoc(Put put) {                 SolrInputDocument doc = new SolrInputDocument();                 doc.addField("test_ID", Bytes.toString(put.getRow()));                 for (KeyValue c : put.getFamilyMap().get(Bytes.toBytes(columnFamily))) {                     String key = Bytes.toString(c.getKey());                     String value = Bytes.toString(c.getValue());                     if (value.isEmpty()) {                         continue;                     }                     String fieldName = key.substring(key.indexOf(columnFamily) + 3,                             key.indexOf("")).trim();                     doc.addField(fieldName, value);                 }                 return doc;             }

 

二、编写测试程序入口代码main    

 

这段代码向HBase请求建了一张表，并将模拟的数据，向HBase连续地提交数据内容，在HBase中不断地插入数据，同时记录时间，测试插入性能。    

 

/*          *版权：王安琪          *描述：测试HBaseInsert，HBase插入性能          *修改时间：2014-05-27          *修改内容：新增          */         package solrHbase.test;           import hbaseInput.HbaseInsert;           import ***;           public class TestHBaseMain {               private static Configuration config;             private static String tableName = "angelHbase";             private static HTable table = null;             private static final String columnFamily = "wanganqi";               /**              * @param  args              */             public static void main(String[] args) {                 config = HBaseConfiguration.create();                 config.set("hbase.zookeeper.quorum", "192.103.101.104");                 HbaseInsert.createTable(config, tableName, columnFamily);                 try {                     table = new HTable(config, Bytes.toBytes(tableName));                     for (int k = 0; k < 1; k++) {                         Thread t = new Thread() {                             public void run() {                                 for (int i = 0; i < 100000; i++) {                                     HbaseInsert.inputData(table,                                             PutCreater.createPuts(1000, columnFamily));                                     Calendar c = Calendar.getInstance();                                     String dateTime = c.get(Calendar.YEAR) + "-"                                             + c.get(Calendar.MONTH) + "-"                                             + c.get(Calendar.DATE) + "T"                                             + c.get(Calendar.HOUR) + ":"                                             + c.get(Calendar.MINUTE) + ":"                                             + c.get(Calendar.SECOND) + ":"                                             + c.get(Calendar.MILLISECOND) + "Z 写入: "                                             + i * 1000;                                     System.out.println(dateTime);                                 }                             }                         };                         t.start();                     }                 } catch (IOException e1) {                     e1.printStackTrace();                 }             }           }

 

下面的是与HBase相关的操作，把它封装到一个类中，这里就只有建表与插入数据的相关代码。  

 

/*          *版权：王安琪          *描述：与HBase相关操作，建表与插入数据          *修改时间：2014-05-27          *修改内容：新增          */         package hbaseInput;         import ***;         import org.apache.hadoop.hbase.client.Put;           public class HbaseInsert {               public static void createTable(Configuration config, String tableName,                     String columnFamily) {                 HBaseAdmin hBaseAdmin;                 try {                     hBaseAdmin = new HBaseAdmin(config);                     if (hBaseAdmin.tableExists(tableName)) {                         return;                     }                     HTableDescriptor tableDescriptor = new HTableDescriptor(tableName);                     tableDescriptor.addFamily(new HColumnDescriptor(columnFamily));                     hBaseAdmin.createTable(tableDescriptor);                     hBaseAdmin.close();                 } catch (MasterNotRunningException e) {                     e.printStackTrace();                 } catch (ZooKeeperConnectionException e) {                     e.printStackTrace();                 } catch (IOException e) {                     e.printStackTrace();                 }             }               public static void inputData(HTable table, ArrayList puts) {                 try {                     table.put(puts);                     table.flushCommits();                     puts.clear();                 } catch (IOException e) {                     e.printStackTrace();                 }             }         }

 

三、编写模拟数据Put  

   

向HBase中写入数据需要构造Put，下面是我构造模拟数据Put的方式，有字符串的生成，我是由mmseg提供的词典    words.dic    中随机读取一些词语连接起来，生成一句字符串的，下面的代码没有体现，不过很easy，你自己造你自己想要的数据就OK了。  

 

public static Put createPut(String columnFamily) {                 String ss = getSentence();                          byte         [] family = Bytes.         toBytes         (columnFamily);                 byte[] rowKey = Bytes.toBytes("" + Math.abs(r.nextLong()));                 Put put = new Put(rowKey);                 put.add(family, Bytes.toBytes("DeviceID"),                         Bytes.toBytes("" + Math.abs(r.nextInt())));                 ******                 put.add(family, Bytes.toBytes("         Company_mmsegsm         "), Bytes.toBytes("ss"));                   return put;             }

 

当然在运行上面这个程序之前，需要先在Solr里面配置好你需要的列信息，HBase、Solr安装与配置，它们的基础使用方法将会在之后的文章中介绍。在这里，Solr的列配置就跟你使用createPut生成的Put搞成一样的列名就行了，当然也可以使用动态列的形式。  

   

四、直接对Solr性能测试  

   

如果你不想对HBase与Solr的相结合进行测试，只想单独对Solr的性能进行测试，这就更简单了，完全可以利用上面的代码段来测试，稍微组装一下就可以了。  

   

private static void sendConcurrentUpdateSolrServer(final String url,                     final int count) throws SolrServerException, IOException {                 SolrServer solrServer = new ConcurrentUpdateSolrServer(url, 10000, 20);                 for (int i = 0; i < count; i++) {                     solrServer.add(getInputDoc(PutCreater.createPut(columnFamily)));                 }             }