HBase检索 | 云HBase全文索引服务，增强HBase的检索能力

Posted 2021-04-18 HBase技术社区

云HBase发布了“全文索引服务”功能，自2019年01月25日后创建的云HBase实例，可以在控制台免费开启此“全文索引服务”功能。使用此功能可以让用户在HBase之上构建功能更丰富的搜索业务，不再局限于KV简单查询，不再苦恼于设计各种rowkey，不再后怕日益变化的HBase复杂查询业务。“全文索引服务”为云HBase增强查询能力而设计，自动同步数据，用户只需重点关注如何使用强大的检索功能来丰富自己的业务架构。

为什么要增强HBase的检索能力

总结下来，我们列出来了几个使用HBase进行查询业务设计时碰到的痛点：

• 无法满足任意条件组合查询

• 不能高效支持模糊查询

• 不支持关键字分词查询

• 不能高效支持多维度的排序/分页

• 不能对查询的结果集进行分类统计

云HBase全文索引服务，增强HBase检索能力

全文索引服务是为了增强HBase查询能力而设计，使得HBase除了强大的KV能力外，更加丰富了它的在复杂条件查询下的能力，具体抽象出来以下几个场景：

• 复杂条件任意查询

• 多维度排序

• 复杂条件分页

• 分词关键字查询

• 匹配结果集分类统计

• 常用min/max/avg/sum等stats统计

云HBase全文索引服务使用简单，只需要DDL阶段建立索引，后续自动进行数据索引同步，架构如下

和自建的区别

功能	云HBase启用全文索引	自建HBase+indexer+solr	HBase
简单rowkey查询	支持	支持	支持
复杂查询	支持	支持	不支持
索引同步	支持	支持	不支持
乱序同步	支持	不支持	———
强一致	支持	不支持	———
xml动态列	支持	不支持	———

另外，自建hbase+indexer+solr存在几个bug，导致很多用户反馈的自建这种架构丢数据现象；云HBase对此进行了许多bugfix和改进。

如何使用云HBase全文索引服务

云HBase全文索引服务的使用，启用此服务后，只需要简单DDL建立索引即可，插入同步无限管理，用户只需关注后续查询要使用HBase api/Solr api进行构建丰富的业务查询即可。下面我们来简单体验下整个流程。

开启服务

“全文索引服务”属于云HBase的免费扩展服务，自2019年1月25日后创建的云HBase实例控制台，实例左侧点击“全文索引服务”详情页进行服务开启即可，如下：

建立索引

1.下载索引管理客户端工具

wget http://public-hbase.oss-cn-hangzhou.aliyuncs.com/installpackage/solr-7.3.1-ali-1.0.tgz
tar zxvf solr-7.3.1-ali-1.0.tgz

2.修改solr-7.3.1-ali-1.0/bin/solr.in.sh文件的ZK_HOST如下：

ZK_HOST=zk1:2181,zk2:2181,zk3:2181/solr

3.创建HBase表，开启replication同步机制

create  'solrdemo',{NAME=>'info',  REPLICATION_SCOPE=> '1'}

4.创建Solr表democollection

第一步，修改并上传solrconfig.xml/schema，如果不需要修改，可使用demo默认config进行上传，如下：

solr-7.3.1-ali-1.0/bin/solr zk upconfig -d _democonfig  -n democollection_config -z zk1:2181/solr

第二步，使用刚上传的配置创建democollection，如下：

curl "http://hostname:8983/solr/admin/collections?action=CREATE&name=democollection&numShards=1&replicationFactor=1&collection.configName=democollection_config"

其中hostname可以使用master3-1中缀的zk hostname进行替换。

5.配置HBase solrdemo表到Solr democollection表的字段映射索引关系
第一步，编辑index_conf.xml配置映射关系，例如：

<?xml version="1.0"?>
<indexer table="solrdemo">
        <field name="name_s" value="info:q2" type="string"/>
        <field name="age_i" value="info:q3" type="int"/>
        <param name="update_version_l" value="true"/>
</indexer>

配置描述了hbase表solrdemo的 info:q2 info:3 分别映射成solr democollection里面的name_s和age_i 字段。并指定以string解析info:q2 列保存到name_s字段中，以int解析info:q3 保存到age_i中。其中solr collection的name_s、age_i是何种类型，是根据solr collection的配置觉得，默认采用动态类型推断，即根据collection字段的名字后缀判断类型进行存储。常见类型_i、_s、_l、_b、_f、_d分别对应int/string/long/boolean/float/double。当然，用户也可以直接指定字段类型。最后一个update_version_l为固定写法，保存document级别的最新更新时间。

第二步，使用工具将 index_conf.xml 设置关联hbase表solrdemo和solr表democollection的索引映射关系，命令如下：

solr-7.3.1-ali-1.0/bin/solr-indexer add  
     -n demoindex  
     -f indexer_conf.xml  
     -c democollection

到此，我们就完成了索引的关系映射，随后正常插入hbase即可，就不需要关心索引同步，它会自动同步hbase solrdemo表的对应字段到solr democollection表的对应字段中。如上例映射如下

其中，HBase表的rowkey映射到Solr表里面的id字段。

查询检索

查询较为简单，依然完全兼容开源HBase API和Solr API的操作，根据业务使用solr进行条件查询，结果集中，id字段就是所有符合条件的hbase rowkey，我们只有这个id转换为rowkey，并使用HBase API读取属于这个行的原数据即可。流程图大致如下

展望

• 索引管理更简单易用

• SQL入口接入全文索引服务

• 全文引擎新一代更高效副本机制

• 除了异步索引，同步索引也会后续支持

产品入口：

https://cn.aliyun.com/product/hbase

使用全文索引服务帮助文档：

https://help.aliyun.com/document_detail/88404.html

技术社群

【HBase生态+Spark社区大群】
群福利：群内每周进行群直播技术分享及问答
加入方式1：

https://dwz.cn/Fvqv066s?spm=a2c4e.11153940.blogcont688191.19.1fcd1351nOOPvI

加入方式2：钉钉扫码加入