HBase Coprocessor 剖析與編程實踐

1.起因(Why HBase  Coprocessor)

HBase作為列族數據庫最經常被人詬病的特性包括：無法輕易建立“二級索引”，難以執行求和、計數、排序等操作。比如，在舊版本的(<0.92)Hbase中，統計數據表的總行數，需要使用Counter方法，執行一次MapReduce Job才能得到。雖然HBase在數據存儲層中集成了MapReduce，能夠有效用於數據表的分布式計算。然而在很多情況下，做一些簡單的相加或者聚合計算的時候，如果直接將計算過程放置在server端，能夠減少通訊開銷，從而獲得很好的性能提升。於是，HBase在0.92之后引入了協處理器(coprocessors)，實現一些激動人心的新特性：能夠輕易建立二次索引、復雜過濾器(謂詞下推)以及訪問控制等。

2.靈感來源( Source of Inspration)

HBase協處理器的靈感來自於Jeff Dean 09年的演講( P66-67)。它根據該演講實現了類似於bigtable的協處理器，包括以下特性:

• 每個表服務器的任意子表都可以運行代碼
• 客戶端的高層調用接口(客戶端能夠直接訪問數據表的行地址，多行讀寫會自動分片成多個並行的RPC調用)
• 提供一個非常靈活的、可用於建立分布式服務的數據模型
• 能夠自動化擴展、負載均衡、應用請求路由

HBase的協處理器靈感來自bigtable，但是實現細節不盡相同。HBase建立了一個框架，它為用戶提供類庫和運行時環境，使得他們的代碼能夠在HBase region server和master上處理。

3.細節剖析（Implementation)

協處理器分兩種類型，系統協處理器可以全局導入region server上的所有數據表，表協處理器即是用戶可以指定一張表使用協處理器。協處理器框架為了更好支持其行為的靈活性，提供了兩個不同方面的插件。一個是觀察者（observer），類似於關系數據庫的觸發器。另一個是終端(endpoint)，動態的終端有點像存儲過程。

 3.1觀察者(Observer)

觀察者的設計意圖是允許用戶通過插入代碼來重載協處理器框架的upcall方法，而具體的事件觸發的callback方法由HBase的核心代碼來執行。協處理器框架處理所有的callback調用細節，協處理器自身只需要插入添加或者改變的功能。

以HBase0.92版本為例，它提供了三種觀察者接口：

• RegionObserver：提供客戶端的數據操縱事件鈎子：Get、Put、Delete、Scan等。
• WALObserver：提供WAL相關操作鈎子。
• MasterObserver：提供DDL-類型的操作鈎子。如創建、刪除、修改數據表等。

這些接口可以同時使用在同一個地方，按照不同優先級順序執行.用戶可以任意基於協處理器實現復雜的HBase功能層。HBase有很多種事件可以觸發觀察者方法，這些事件與方法從HBase0.92版本起，都會集成在HBase API中。不過這些API可能會由於各種原因有所改動，不同版本的接口改動比較大，具體參考Java Doc。

RegionObserver工作原理，如圖1所示。更多關於Observer細節請參見HBaseBook的第9.6.3章節。

圖1 RegionObserver工作原理

 

3.2終端(Endpoint)

終端是動態RPC插件的接口，它的實現代碼被安裝在服務器端，從而能夠通過HBase RPC喚醒。客戶端類庫提供了非常方便的方法來調用這些動態接口，它們可以在任意時候調用一個終端，它們的實現代碼會被目標region遠程執行，結果會返回到終端。用戶可以結合使用這些強大的插件接口，為HBase添加全新的特性。終端的使用，如下面流程所示：

1. 定義一個新的protocol接口，必須繼承CoprocessorProtocol.
2. 實現終端接口，該實現會被導入region環境執行。
3. 繼承抽象類BaseEndpointCoprocessor.
4. 在客戶端，終端可以被兩個新的HBase Client API調用 。單個region：HTableInterface.coprocessorProxy(Class<T> protocol, byte[] row) 。rigons區域：HTableInterface.coprocessorExec(Class<T> protocol, byte[] startKey, byte[] endKey, Batch.Call<T,R> callable)

整體的終端調用過程范例，如圖2所示：

圖2 終端調用過程范例

4.編程實踐(Code Example)

在該實例中，我們通過計算HBase表中行數的一個實例，來真實感受協處理器 的方便和強大。在舊版的HBase我們需要編寫MapReduce代碼來匯總數據表中的行數，在0.92以上的版本HBase中，只需要編寫客戶端的代碼即可實現，非常適合用在WebService的封裝上。

4.1啟用協處理器 Aggregation(Enable Coprocessor Aggregation)

我們有兩個方法：1.啟動全局aggregation，能過操縱所有的表上的數據。通過修改hbase-site.xml這個文件來實現，只需要添加如下代碼：

<property>
   <name>hbase.coprocessor.user.region.classes</name>
   <value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value>
 </property>

2.啟用表aggregation，只對特定的表生效。通過HBase Shell 來實現。

(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)重啟指定表 hbase> enable 'mytable'

4.2統計行數代碼(Code Snippet)

public class MyAggregationClient { 

private static final byte[] TABLE_NAME = Bytes.toBytes("mytable");
private static final byte[] CF = Bytes.toBytes("vent");
public static void main(String[] args) throws Throwable {
Configuration customConf = new Configuration();
customConf.setStrings("hbase.zookeeper.quorum",
"node0,node1,node2");
//提高RPC通信時長
customConf.setLong("hbase.rpc.timeout", 600000);
//設置Scan緩存
customConf.setLong("hbase.client.scanner.caching", 1000);
Configuration configuration = HBaseConfiguration.create(customConf);
AggregationClient aggregationClient = new AggregationClient(
configuration);
Scan scan = new Scan();
//指定掃描列族，唯一值
scan.addFamily(CF);
long rowCount = aggregationClient.rowCount(TABLE_NAME, null, scan);
System.out.println("row count is " + rowCount);

}
}

 5.參考文獻(References)

[1]Lai, et al.,(2012-02-01),"Coprocessor Introduction : Apache HBase".Available:https://blogs.apache.org/hbase/entry/coprocessor_introduction

[2]Apache.(2012-08-10),"The Apache HBase  Reference Guide".Available:http://hbase.apache.org/book.html#coprocessors

 

本作品由VentLam創作，采用知識共享署名-非商業性使用-相同方式共享 2.5 中國大陸許可協議進行許可。