华为二级索引解决方案

xiguaqq20

　　Hbase作为列族数据库最经常被人诟病的特性包括：无法轻易建立“二级索引”，难以执行求和、计数、排序等操作。比如，在旧版本的(<0.92)Hbase中，统计数据表的总行数，需要使用Counter方法，执行一次MapReduce Job才能得到。虽然HBase在数据存储层中集成了MapReduce，能够有效用于数据表的分布式计算。然而在很多情况下，做一些简单的相加或者聚合计算的时候，如果直接将计算过程放置在server端，能够减少通讯开销，从而获得很好的性能提升。于是，HBase在0.92之后引入了协处理器(coprocessors)，实现一些激动人心的新特性：能够轻易建立二次索引、复杂过滤器(谓词下推)以及访问控制等。
　　而华为二级索引是华为内部一个解决这个问题的方案。大致思路如下：
　　这个是华为的二级索引方案，已经开放源代码了,下面是网上的一篇讲解原理的帖子，发出来和大家共享一下。
　　经过本人认真阅读了一下代码，发现这个源码仅供参考，想要集成到原有的集群当中是有点儿难度的，它对hbase的源码进行不少的修改。
　　源码地址：https://github.com/Huawei-Hadoop/hindex
　　下面来对其方案做一个分析。
　　1.整体架构
　　这个架构在Client Ext中设定索引细节，在Balancer中收集信息，在Coprocessor中管理二级索引数据。

　　2.表创建
　　在创建表的时候，在同一个region server上创建索引表，且一一对应。

　　3.插入操作
　　在主表中插入某条数据后，用Coprocessor将索引列写到索引表中去，写道索引表中的数据的主键为：region开始key+索引名+索引列值+主表row key。这么做，是为了让其在同一个分布规则下，索引表会跟主表在通过region server上，在查询的时候就可以少一次rpc。

　　4.scan操作
　　一个查询到来的时候，通过coprocessor钩子，先从索引表中查询范围row，然后再从主表中相关row中扫描获得最终数据。

　　5. split操作处理
　　为了使主表和索引表在同一个RS上，要禁用索引表的自动和手动split，只能由主表split的时候触发，当主表split的时候，对索引表按其对应数据进行划分，同时，对索引表的第二个daughter split的row key的前面部分修改为对应的主键的row key。

　　6. 性能
　　查询性能极大提升,插入性能下降10%左右

　　总结，本文对华为hbase使用coprocessor进行二级索引的方案的创建表，插入数据，查询数据的步骤进行了一个粗略分析，以窥其全貌。在使用的时候，可以作为一个参考。
　　总结，华为的二级索引思路是通过hbase的协处理器加快hbase的统计性能和查询性能，但是相应的建立索引的时候会导致索引表插入过多的键位，导致插入数据速度过低，上面说了大概百分之十，原因是每次插入数据都要相应向索引表添加数据（华为索引表内容都是byte内容，加快插入速度但是每条数据需要插入两个表速度降低难以避免），速度理论上会随着字段的变多而降低，通过二级索引查询时候rowkey过长也难免会造成IO流过大。（这点有点类似DBMS DBMS做索引建立树结构索引响应也会造成磁盘过大，也就是用空间换区了速度）
　　关于协处理器是hbase0。92加入的新特性。可以在服务端提供统计的一类DDL功能，具体可以这里了解（http://blog.csdn.net/lifuxiangcaohui/article/details/39991183/）