hbase实践之协处理器Coprocessor

HBase客户端查询存在的问题

• Scan
  用Get/Scan查询数据，
• Filter
  用Filter查询特定数据

以上情况只适合几千行数据以及不是很多的列的“小数据”。

当表扩展为亿万行及百万列时，在通过网络传递移动大量的数据导致网络拥堵，且客户端需要足够多内存来处理这么大量数据的计算操作，另外，客户端代码也会变的大而复杂。

解决方案

移动计算比移动数据更划算

Coprocessor将运算移动到数据所处的节点。

什么是Coprocessor？

简单来说，Coprocessor是一个框架，这个框架可以让你很容易地在Region Server运行你的业务逻辑代码。

Coprocessor类比

• Triggers and Stored Procedure
  • Observer Coprocessor –> RDBMS 中的触发器
  • EndPoint Coprocessor –> RDBMS中的存储过程
• MapReduce

MapReduce 和 Coprocessor有一样的操作原则，计算向数据靠拢。

• AOP

类似面向切面编程，Coprocessor就像应用Advice，在传递请求到最终的目的地之前，通过拦截一个请求后运行相同的代码。

Coprocessor分类

Observer Coprocessor

在一个特定的事件发生前或发生后触发。

• 在事件发生前触发的Coprocessor需要重写以pre作为前缀的方法，比如prePut。
• 在事件发生后触发的Coprocessor使用方法以post作为前缀，比如postPut。

Endpoint

是一个远程rpc调用，类似于webservice形式调用，但他不适用xml，而是使用的序列化框架是protobuf（序列化后数据更小）.

区别：Observer像是个触发器，到某个条件Region就去执行用户代码，用户从主观来说是无法控制的；EndPoint就是远程调用，用户可以在客户端远程调用执行自己的代码。

Observer Coprocessor使用场景与实现

Observer Coprocessor的使用场景如下：
安全性：在执行Get或Put操作前，通过preGet或prePut方法检查是否允许该操作；
引用完整性约束：HBase并不直接支持关系型数据库中的引用完整性约束概念，即通常所说的外键。但是我们可以使用Coprocessor增强这种约束。比如根据业务需要，我们每次写入user表的同时也要向user_daily_attendance表中插入一条相应的记录，此时我们可以实现一个Coprocessor，在prePut方法中添加相应的代码实现这种业务需求。
二级索引：可以使用Coprocessor来维持一个二级索引。这里暂不展开，有时间会单独说明。

Observer在Hbase中主要分为四类，均继承Coprocessor接口：

1. RegionObserver 针对于Region的观察者（Region打开、关闭、刷新、合并等工作）
2. RegionServerObserver 针对RegionServer的观察者（Region合并、分裂、日志回滚等）
3. MasterObserver 针对Master的观察者（表创建、删除、Region移动、拆分等工作）
4. WALObserver 针对WAL的观察者（日志写）

EndPoint使用场景与实现

Endpoint允许定义自己的动态RPC协议,用于客户端与region servers通讯。Coprocessor 与region server在相同的进程空间中，因此您可以在region端定义自己的方法（endpoint），将计算放到region端，减少网络开销，常用于提升hbase的功能，如：count，sum等。

工作过程如下图所示过程:

1. 不管是通过配置还是表描述加载了EndPoint协处理器
2. 在Client执行CoprocessorExec()调用对应的RPC方法
3. 在对应的每个region中都会执行该方法后返回结果

• EndPoint实现
• 创建一个“.proto”文件定义服务
• 执行protoc命令，通过“.proto”文件生成Java代码
• 编写一个Coprocessor类，实现Coprocessor和CoprocessorService两个接口，并实现接口中定义的方法：
• 加载Coprocessor
• 编写客户端代码调用Coprocessor

装载Coprocessor

装载Coprocessor分为静态装载和动态装载。

静态装载Coprocessor

• 静态装载过程：

1. • hbase-site.xml中创建记录
2. • 将代码放到HBase的类路径下。一个简单的方法是将封装好的jar（包括代码和依赖）放到HBase安装路径下的/lib目录中。
3. • 重启HBase。

• 静态卸载的步骤如下：

1. 移除在hbase-site.xml中的配置。
2. 重启HBase。
3. 这一步是可选的，将上传到HBase类路径下的jar包移除。

动态装载Coprocessor

动态装载Coprocessor的一个优势就是不需要重启HBase。不过动态装载的Coprocessor只是针对某个表有效。因此，动态装载的Coprocessor又被称为表级Coprocessor。
此外，动态装载Coprocessor是对表的一次schema级别的调整，因此在动态装载Coprocessor时，目标表需要离线。
动态装载Coprocessor有两种方式：通过HBase Shell和通过Java API。

• 通过HBase Shell动态装载
• 使用Java API动态装载和卸载
  http://www.zhyea.com/2017/04/13/using-hbase-coprocessor.html#Observer-Coprocessors

达摩克利斯之剑

Coprocessor是HBase的高级功能，本来是只为HBase系统开发人员准备的。因为Coprocessor的代码直接在RegionServer上运行，并直接接触数据，这样就带来了数据破坏的风险，比如“中间人攻击（Man-in-the-MiddleAttack，简称“MITM攻击”，见百度词条）”以及其他类型的恶意入侵。目前还没有任何机制来屏蔽Coprocessor导致的数据破坏。此外，因为没有资源隔离，一个即使不是恶意设计的但表现不佳的Coprocessor也会严重影响集群的性能和稳定性。

其他公司实践

• 滴滴：高手如何实践HBase？不容错过的滴滴内部技巧

二级索引设计

Phoenix的Salting功能非常有效，但对延迟影响较大，因此若延迟要求较高，那么Salting则并不合适，所以这里在主表与索引表中不使用Salting功能，而是采用reverse将主键列散列。索引中使用Function Index和Function Index减少查询延迟。

参考文献

• Hbase Coprocesor 浅析(一)
• 使用HBase Coprocessor
• Apache HBase Coprocessors
• 使用HBase协处理器---基本概念和regionObserver的简单实现
• HBase 协处理器之 EndPoint 简单示例
• https://zhuanlan.zhihu.com/p/38030330
• 移动计算比移动数据更划算 - 大数据技术源起
• Hbase使用Coprocessor构建二级索引
• 使用solr构建hbase二级索引
• Solr+Hbase多条件查（优劣互补）