大数据架构-使用HBase和Solr配置存储与索引

大数据架构-使用HBase和Solr配置存储与索引

2014-08-22 11:04 王安琪 博客园 字号： T |  T

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。

AD：WOT2015 互联网运维与开发者大会 热销抢票

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<RegionCoprocessorEnvironment> 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<Put> 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)));
        }
    }

希望可以帮助到你规格严格-功夫到家。这次的文章代码又偏多了点，但代码是解释思想的最好的语言，我的提倡就是尽可能的减少代码的注释，尽力简化你的代码，使你的代码足够的清晰易懂，甚至于相似于伪代码了，这也是《重构》这本书里所提倡的。

原文链接：http://www.cnblogs.com/wgp13x/p/3927979.html