细述hbase协处理器

Posted 2021-04-18 浪尖聊大数据

1.起因(Why HBase  Coprocessor)

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。

2.灵感来源( Source of Inspration)

HBase协处理器的灵感来自于Jeff Dean 09年的演讲( P66-67)。它根据该演讲实现了类似于bigtable的协处理器，包括以下特性:

3.细节剖析（Implementation)

协处理器分两种类型，系统协处理器可以全局导入region server上的所有数据表，表协处理器即是用户可以指定一张表使用协处理器。协处理器框架为了更好支持其行为的灵活性，提供了两个不同方面的插件。一个是观察者（observer），类似于关系数据库的触发器。另一个是终端(endpoint)，动态的终端有点像存储过程。3.1观察者(Observer)

观察者的设计意图是允许用户通过插入代码来重载协处理器框架的upcall方法，而具体的事件触发的callback方法由HBase的核心代码来执行。协处理器框架处理所有的callback调用细节，协处理器自身只需要插入添加或者改变的功能。

以HBase0.92版本为例，它提供了三种观察者接口：

RegionObserver：提供客户端的数据操纵事件钩子：Get、Put、Delete、Scan等。
WALObserver：提供WAL相关操作钩子。
MasterObserver：提供DDL-类型的操作钩子。如创建、删除、修改数据表等。
这些接口可以同时使用在同一个地方，按照不同优先级顺序执行.用户可以任意基于协处理器实现复杂的HBase功能层。HBase有很多种事件可以触发观察者方法，这些事件与方法从HBase0.92版本起，都会集成在HBase API中。不过这些API可能会由于各种原因有所改动，不同版本的接口改动比较大，具体参考Java Doc。

RegionObserver工作原理，如图1所示。更多关于Observer细节请参见HBaseBook的第 9.6.3章节。

  3.2终端(Endpoint)

终端是动态RPC插件的接口，它的实现代码被安装在服务器端，从而能够通过HBase RPC唤醒。客户端类库提供了非常方便的方法来调用这些动态接口，它们可以在任意时候调用一个终端，它们的实现代码会被目标region远程执行，结果会返回到终端。用户可以结合使用这些强大的插件接口，为HBase添加全新的特性。终端的使用，如下面流程所示：

1. 定义一个新的protocol接口，必须继承CoprocessorProtocol.

2. 实现终端接口，该实现会被导入region环境执行。

3. 继承抽象类BaseEndpointCoprocessor.

4. 在客户端，终端可以被两个新的HBase Client API调用 。

   单个region：HTableInterface.coprocessorProxy(Class protocol, byte[] 
   row) 。
   rigons区域：HTableInterface.coprocessorExec(Class protocol, 
   byte[] startKey, byte[] endKey, Batch.Call callable)

整体的终端调用过程范例，所示：

4.编程实践(Code Example)

在该实例中，我们通过计算HBase表中行数的一个实例，来真实感受协处理器 的方便和强大。在旧版的HBase我们需要编写MapReduce代码来汇总数据表中的行数，在0.92以上的版本HBase中，只需要编写客户端的代码即可实现，非常适合用在WebService的封装上。

4.1启用协处理器 Aggregation(Enable Coprocessor Aggregation)

我们有两个方法：
1.启动全局aggregation，能过操纵所有的表上的数据。通过修改hbase-site.xml这个文件来实现，只需要添加如下代码：

<property>

  <name>hbase.coprocessor.user.region.classes</name>

  <value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value>

</property>

2.启用表aggregation，只对特定的表生效。通过HBase Shell 来实现。

1. disable指定表。hbase> disable 'mytable'

2. 添加aggregation hbase> alter 'mytable', METHOD =>
   'table_att','coprocessor'=>'|org.apache.hadoop.hbase.coprocessor.AggregateImplementation||'

3. 重启指定表 hbase> enable 'mytable'

disable 'xyz'

alter 'xyz','coprocessor'=>'|org.apache.hadoop.hbase.coprocessor.example.RowCountEndpoint||'

enable 'xyz'

package hbase.learn.com;



import java.util.Map;



import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.hbase.HBaseConfiguration;

import org.apache.hadoop.hbase.client.HTable;



public class RowCount {

   public static void main(String[] args) {

       String tableName="xyz";

       // Get instance of Configuration

       Configuration configuration = HBaseConfiguration.create();



       // Get table instance

       HTable table = new HTable(configuration, tableName);

        final ExampleProtos.CountRequest request = ExampleProtos.CountRequest.getDefaultInstance();

           Map<byte[],Long> results = table.coprocessorService(ExampleProtos.RowCountService.class,

               null, null,

               new Batch.Call<ExampleProtos.RowCountService,Long>() {

                 public Long call(ExampleProtos.RowCountService counter) throws IOException {

                   ServerRpcController controller = new ServerRpcController();

                   BlockingRpcCallback<ExampleProtos.CountResponse> rpcCallback =

                       new BlockingRpcCallback<ExampleProtos.CountResponse>();

                   counter.getRowCount(controller, request, rpcCallback);

                   ExampleProtos.CountResponse response = rpcCallback.get();

                   if (controller.failedOnException()) {

                     throw controller.getFailedOn();

                   }

                   return (response != null && response.hasCount()) ? response.getCount() : 0;

                 }

               });



           long sum=0;

           int count=0;

           for(Long l:results.values()){

               sum+=l;

               count++;

           }

           System.out.println("row count = "+sum);

           System.out.println("region count = "+count);

   }

}

推荐阅读