HBase数据查询之Coprocessor

原文：http://lookqlp.iteye.com/blog/1993058

二级索引方案    

协处理器的概念、作用和类型不介绍，可以参看：http://www.cnblogs.com/ventlam/archive/2012/10/30/2747024.html，官方blog：https://blogs.apache.org/hbase/entry/coprocessor_introduction 

    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： 

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。 



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。 



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。 



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。 



Coprocessor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。