devbox
花生_TL007
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Hbase中二级索引与Phoenix二级索引实现_phoinex如何设计hbase 二级索引

作者：花生_TL007 | 2024-06-01 07:46:37

赞

踩

phoinex如何设计hbase 二级索引

1、引入

HBase本身只提供基于行键和全表扫描的查询，而行键索引单一，对于多维度的查询困难。

所以我们引进一个二级索引的概念。二级索引的本质就是建立各列值与行键之间的映射关系 。

图解：

 

2、常见实现二级索引的方案：

HBase的一级索引就是rowkey，我们只能通过rowkey进行检索。如果我们相对hbase里面列族的列列进行一些组合查询，就需要采用HBase的二级索引方案来进行多条件的查询。

  1. MapReduce方案

  2. ITHBASE（Indexed-Transanctional HBase）方案

  3. IHBASE（Index HBase）方案

  4. Hbase Coprocessor(协处理器)方案

  5. Solr+hbase方案或 redis+hbase 方案

  6. CCIndex（complementalclustering index）方案

下面我们用代码来实现MapReduce方案与redis+hbase 方案

三、MapReduce方案实现

使用整合MapReduce的方式创建hbase索引。主要的流程如下：

1、扫描输入表，使用hbase继承类TableMapper

2、获取rowkey和指定字段名称和字段值

3、创建Put实例， value=” “, rowkey=班级，column=学号

4、使用IdentityTableReducer将数据写入索引表

  1. import org.apache.hadoop.conf.Configuration;
  2. import org.apache.hadoop.hbase.TableName;
  3. import org.apache.hadoop.hbase.client.*;
  4. import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
  5. import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
  6. import org.apache.hadoop.hbase.mapreduce.TableMapper;
  7. import org.apache.hadoop.hbase.mapreduce.TableReducer;
  8. import org.apache.hadoop.hbase.regionserver.BloomType;
  9. import org.apache.hadoop.hbase.util.Bytes;
  10. import org.apache.hadoop.io.NullWritable;
  11. import org.apache.hadoop.io.Text;
  12. import org.apache.hadoop.mapreduce.Job;
  13. import org.apache.hadoop.mapreduce.Mapper;
  14. import org.apache.hadoop.mapreduce.Reducer;
  15.  
  16. import java.io.IOException;
  17.  
  18. /**
  19.  * 使用整合MapReduce的方式创建hbase索引。主要的流程如下：
  20.  * 1.1扫描输入表，使用hbase继承类TableMapper
  21.  * 1.2获取rowkey和指定字段名称和字段值
  22.  * 1.3创建Put实例， value=” “, rowkey=班级，column=学号
  23.  * 1.4使用IdentityTableReducer将数据写入索引表
  24.  */
  25. //因为我们现在要读取的数据来自于hbase中的hfile文件，与hdfs上普通的block块文件有所区别，不能直接继承Mapper类
  26. //要继承hbase读取数据专属的Mapper类     TableMapper
  27. //public abstract class TableMapper<KEYOUT, VALUEOUT> extends Mapper<ImmutableBytesWritable, Result, KEYOUT, VALUEOUT>
  28. class MyIndexMapper extends TableMapper<Text, NullWritable> {
  29.     @Override
  30.     protected void map(ImmutableBytesWritable key, Result value, Mapper<ImmutableBytesWritable, Result, Text, NullWritable>.Context context) throws IOException, InterruptedException {
  31.         //ImmutableBytesWritable key --相当于是读取到一行的行键
  32.         //Result value --相当于读取到一行多列的封装
  33.         //获取行键
  34.         String id = Bytes.toString(key.get());
  35.         //获取姓名的列值
  36.         String name = Bytes.toString(value.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")));
  37.         //将学号和姓名拼接起来给到reduce,由reduce处理并写入到到索引表中
  38.         context.write(new Text(id + "-" + name), NullWritable.get());
  39.     }
  40. }
  41.  
  42. //public abstract class TableReducer<KEYIN, VALUEIN, KEYOUT> extends Reducer<KEYIN, VALUEIN, KEYOUT, Mutation>
  43. class MyIndexReducer extends TableReducer<Text, NullWritable, NullWritable> {
  44.     @Override
  45.     protected void reduce(Text value, Iterable<NullWritable> values, Reducer<Text, NullWritable, NullWritable, Mutation>.Context context) throws IOException, InterruptedException {
  46.         String string = value.toString();
  47.         String id = string.split("-")[0];
  48.         String name = string.split("-")[1];
  49.  
  50.         //将要添加的数据封装成Put类的对象
  51.         Put put = new Put(Bytes.toBytes(name));
  52.         put.addColumn(Bytes.toBytes("info"),Bytes.toBytes(id),Bytes.toBytes(""));
  53.  
  54.         context.write(NullWritable.get(), put);
  55.  
  56.     }
  57. }
  58.  
  59. public class HBaseIndexDemo1 {
  60.     public static void main(String[] args) throws Exception {
  61.         //创建配置文件对象
  62.         Configuration conf = new Configuration();
  63.         //指定zookeeper的配置信息
  64.         conf.set("hbase.zookeeper.quorum", "master:2181,node1:2181,node2:2181");
  65.         //创建Job作业对象
  66.         Job job = Job.getInstance(conf);
  67.         job.setJobName("给学生表创建二级索引表");
  68.  
  69.         job.setJarByClass(HBaseIndexDemo1.class);
  70.         //因为索引表的构建是建立列值与行键的映射关系，要获取所有的数据
  71.         //scan扫描全表数据
  72.         Scan scan = new Scan();
  73.         //告诉输入的列值来自于哪一个列簇
  74.         scan.addFamily(Bytes.toBytes("info"));
  75.  
  76.         //先将表名封装成一个TableName的对象
  77.         Connection conn = ConnectionFactory.createConnection(conf);
  78.         Admin admin = conn.getAdmin();
  79.  
  80.         //先将表名封装成一个TableName的对象
  81.         TableName tn = TableName.valueOf("students2_index");
  82.         if (!admin.tableExists(tn)) {
  83.             TableDescriptorBuilder studentsIndex = TableDescriptorBuilder.newBuilder(tn);
  84.  
  85.             //使用另外一种方式创建列簇并设置布隆过滤器
  86.             ColumnFamilyDescriptor columnFamilyDescriptor = ColumnFamilyDescriptorBuilder.newBuilder(Bytes.toBytes("info"))
  87.                     .setBloomFilterType(BloomType.ROW).build();
  88.             studentsIndex.setColumnFamily(columnFamilyDescriptor);
  89.             admin.createTable(studentsIndex.build());
  90.             System.out.println(tn + "表创建成功！！！");
  91.         } else {
  92.             System.out.println(tn + "表已经存在！");
  93.         }
  94.  
  95.  
  96.         //索引表是执行完MR作业后产生的
  97.         /**
  98.          /**
  99.          * Use this before submitting a TableMap job. It will appropriately set up
  100.          * the job.
  101.          *
  102.          * @param table  The table name to read from.
  103.          * @param scan  The scan instance with the columns, time range etc.
  104.          * @param mapper  The mapper class to use.
  105.          * @param outputKeyClass  The class of the output key.
  106.          * @param outputValueClass  The class of the output value.
  107.          * @param job  The current job to adjust.  Make sure the passed job is
  108.          * carrying all necessary HBase configuration.
  109.          * @throws IOException When setting up the details fails.
  110.          *public static void initTableMapperJob
  111.          * (String table,Scan scan,Class<? extends TableMapper> mapper,Class<?> outputKeyClass,Class<?> outputValueClass,Job job)
  112.          */
  113.         TableMapReduceUtil.initTableMapperJob("students2", scan, MyIndexMapper.class, Text.class, NullWritable.class, job);
  114.  
  115.         TableMapReduceUtil.initTableReducerJob("students2_index", MyIndexReducer.class, job);
  116.  
  117.         //提交作业到集群中允许
  118.         boolean b = job.waitForCompletion(true);
  119.         if (b) {
  120.             System.out.println("================== students2索引表构建成功！！！============================");
  121.         } else {
  122.             System.out.println("================== students2索引表构建失败！！！============================");
  123.         }
  124.  
  125.     }
  126. }

四、使用redis第三方的存储工具存储hbase索引

  1. import com.shujia.utils.HBaseUtil;
  2. import org.apache.hadoop.hbase.CompareOperator;
  3. import org.apache.hadoop.hbase.TableName;
  4. import org.apache.hadoop.hbase.client.*;
  5. import org.apache.hadoop.hbase.filter.BinaryComparator;
  6. import org.apache.hadoop.hbase.filter.ValueFilter;
  7. import org.apache.hadoop.hbase.util.Bytes;
  8. import redis.clients.jedis.Jedis;
  9.  
  10. import java.util.Scanner;
  11. import java.util.Set;
  12.  
  13. /*
  14.     使用redis第三方的存储工具存储hbase索引（本质依旧是列值与行键产生映射关系）
  15.  */
  16. public class HBaseWithRedisIndex {
  17.     //1、获取hbase数据库连接对象和操作对象
  18.     static Connection conn = HBaseUtil.CONNECTION;
  19.     static Admin admin = HBaseUtil.ADMIN;
  20.  
  21.     //获取redis连接对象
  22.     static Jedis jedis = new Jedis("192.168.19.100", 12346);
  23.  
  24.     public static void main(String[] args) throws Exception {
  25.         //步骤1：在redis中构建映射关系（性别：学号）
  26. //        buildIndexInRedis();
  27.  
  28.         //使用：先通过查询redis中性别对应的学号，拿着学号去hbase原表中查询获取结果
  29.         Scanner sc = new Scanner(System.in);
  30.         System.out.println("请输入您要查询的性别：");
  31.         String gender = sc.next();
  32.         selectGenderFromHbase(gender);
  33.     }
  34.  
  35.     public static void selectGenderFromHbase(String gender) throws Exception {
  36.         if ("男".equals(gender)) {
  37.             selectIdFromRedis(gender);
  38.         } else if ("女".equals(gender)) {
  39.             selectIdFromRedis(gender);
  40.         } else {
  41.             System.out.println("没有该性别");
  42.         }
  43.     }
  44.  
  45.     //单独编写一个方法查询redis
  46.     public static void selectIdFromRedis(String gender) throws Exception {
  47.         Table students2 = conn.getTable(TableName.valueOf("students2"));
  48.  
  49.         Set<String> ids = jedis.smembers("性别:"+gender);
  50.         for (String id : ids) {
  51.             Result result = students2.get(new Get(Bytes.toBytes(id)).addColumn(Bytes.toBytes("info"), Bytes.toBytes("name")));
  52.             String name = Bytes.toString(result.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")));
  53.             System.out.println("学号:" + id + "，姓名:" + name);
  54.         }
  55.     }
  56.  
  57.     public static void buildIndexInRedis() throws Exception {
  58.  
  59.         //获取要构建索引的原表
  60.         Table students2 = conn.getTable(TableName.valueOf("students2"));
  61.  
  62.         Scan scan = new Scan();
  63.         //获取男生的学号，放入到redis中
  64.         //创建列值过滤器
  65.         ValueFilter filter1 = new ValueFilter(CompareOperator.EQUAL, new BinaryComparator(Bytes.toBytes("男")));
  66.         scan.setFilter(filter1);
  67.         ResultScanner resultScanner = students2.getScanner(scan);
  68.         for (Result result : resultScanner) {
  69.             //获取每一行的行键即可
  70.             String id = Bytes.toString(result.getRow());
  71.             //将学号以值的方式添加到redis键对应的值中
  72.             //因为男生的学号有很多个，且不重复，所以我们在redis中采用set的数据类型存储
  73.             jedis.sadd("性别:男", id);
  74.         }
  75.  
  76.         //获取男生的学号，放入到redis中
  77.         //创建列值过滤器
  78.         ValueFilter filter2 = new ValueFilter(CompareOperator.EQUAL, new BinaryComparator(Bytes.toBytes("女")));
  79.         scan.setFilter(filter2);
  80.         ResultScanner resultScanner2 = students2.getScanner(scan);
  81.         for (Result result : resultScanner2) {
  82.             //获取每一行的行键即可
  83.             String id = Bytes.toString(result.getRow());
  84.             //将学号以值的方式添加到redis键对应的值中
  85.             //因为男生的学号有很多个，且不重复，所以我们在redis中采用set的数据类型存储
  86.             jedis.sadd("性别:女", id);
  87.         }
  88.  
  89.     }
  90. }

五、Phoenix二级索引

1、开启索引支持

# 在hbase-site.xml中增加如下配置

<property>
  <name>hbase.regionserver.wal.codec</name>
  <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>
</property>
<property>
    <name>hbase.rpc.timeout</name>
    <value>60000000</value>
</property>
<property>
    <name>hbase.client.scanner.timeout.period</name>
    <value>60000000</value>
</property>
<property>
    <name>phoenix.query.timeoutMs</name>
    <value>60000000</value>
</property>


# 同步到所有节点
scp hbase-site.xml node1:`pwd`
scp hbase-site.xml node2:`pwd`

# 修改phoenix目录下的bin目录中的hbase-site.xml
<property>
    <name>hbase.rpc.timeout</name>
    <value>60000000</value>
</property>
<property>
    <name>hbase.client.scanner.timeout.period</name>
    <value>60000000</value>
</property>
<property>
    <name>phoenix.query.timeoutMs</name>
    <value>60000000</value>
</property>

-------------------------------------------------------------------------------------------------------------------------
# 启动hbase
start-hbase.sh
# 重新进入phoenix客户端
sqlline.py master,node1,node2

2、索引的种类及其实现方式

2.1、全局索引

        全局索引适合读多写少的场景。如果使用全局索引，读数据基本不损耗性能，所有的性能损耗都来源于写数据。数据表的添加、删除和修改都会更新相关的索引表（数据删除了，索引表中的数据也会删除；数据增加了，索引表的数据也会增加）  

        注意: 对于全局索引在默认情况下，在查询语句中检索的列如果不在索引表中，Phoenix不会使用索引表将，除非使用hint

手机号 进入网格的时间 离开网格的时间 区县编码 经度 纬度 基站标识 网格编号 业务类型

# 创建DIANXIN.sql
CREATE TABLE IF NOT EXISTS DIANXIN (
     mdn VARCHAR ,
     start_date VARCHAR ,
     end_date VARCHAR ,
     county VARCHAR,
     x DOUBLE ,
     y  DOUBLE,
     bsid VARCHAR,
     grid_id  VARCHAR,
     biz_type VARCHAR, 
     event_type VARCHAR , 
     data_source VARCHAR ,
     CONSTRAINT PK PRIMARY KEY (mdn,start_date)
) column_encoded_bytes=0;

# 上传数据DIANXIN.csv

# 导入数据
psql.py master,node1,node2 DIANXIN.sql DIANXIN.csv

# 创建全局索引
CREATE INDEX DIANXIN_INDEX ON DIANXIN ( end_date );

# 查询数据 ( 索引未生效)
select * from DIANXIN where end_date = '20180503154014';

# 强制使用索引 （索引生效） hint  语法糖
select /*+ INDEX(DIANXIN DIANXIN_INDEX) */  * from DIANXIN where end_date = '20180503154014';

select /*+ INDEX(DIANXIN DIANXIN_INDEX) */  * from DIANXIN where end_date = '20180503154014'  and start_date = '20180503154614';

# 取索引列，（索引生效）
select end_date from DIANXIN where end_date = '20180503154014';

# 创建多列索引
CREATE INDEX DIANXIN_INDEX1 ON DIANXIN ( end_date,COUNTY );

# 多条件查询 （索引生效）
select end_date,MDN,COUNTY from DIANXIN where end_date = '20180503154014' and COUNTY = '8340104';

# 查询所有列 (索引未生效)
select  * from DIANXIN where end_date = '20180503154014'  and COUNTY = '8340104';

# 查询所有列 （索引生效）
select /*+ INDEX(DIANXIN DIANXIN_INDEX1) */ * from DIANXIN where end_date = '20180503154014' and COUNTY = '8340104';

# 单条件  (索引未生效)
select end_date from DIANXIN where  COUNTY = '8340103';
# 单条件  (索引生效) end_date 在前
select COUNTY from DIANXIN where end_date = '20180503154014';

# 删除索引
drop index DIANXIN_INDEX on DIANXIN;

2.2、本地索引

        本地索引适合写多读少的场景，或者存储空间有限的场景。和全局索引一样，Phoenix也会在查询的时候自动选择是否使用本地索引。本地索引因为索引数据和原数据存储在同一台机器上，避免网络数据传输的开销，所以更适合写多的场景。由于无法提前确定数据在哪个Region上，所以在读数据的时候，需要检查每个Region上的数据从而带来一些性能损耗。

       注意:对于本地索引，查询中无论是否指定hint或者是查询的列是否都在索引表中，都会使用索引表。

# 创建本地索引
CREATE LOCAL INDEX DIANXIN_LOCAL_IDEX ON DIANXIN(grid_id);

# 索引生效
select grid_id from dianxin where grid_id='117285031820040';

# 索引生效
select * from dianxin where grid_id='117285031820040';

 

2.3、覆盖索引

   覆盖索引是把原数据存储在索引数据表中，这样在查询时不需要再去HBase的原表获取数据就，直接返回查询结果。

   注意：查询是 select 的列和 where 的列都需要在索引中出现。

# 创建覆盖索引
CREATE INDEX DIANXIN_INDEX_COVER ON DIANXIN ( x,y ) INCLUDE ( county );

# 查询所有列 (索引未生效)
select * from DIANXIN where x=117.288 and y =31.822;

# 强制使用索引 (索引生效)
select /*+ INDEX(DIANXIN DIANXIN_INDEX_COVER) */ * from DIANXIN where x=117.288 and y =31.822;

# 查询索引中的列 (索引生效) mdn是DIANXIN表的RowKey中的一部分
select x,y,county from DIANXIN where x=117.288 and y =31.822;
select mdn,x,y,county from DIANXIN where x=117.288 and y =31.822;

# 查询条件必须放在索引中  select 中的列可以放在INCLUDE （将数据保存在索引中）
select /*+ INDEX(DIANXIN DIANXIN_INDEX_COVER) */ x,y,count(*) from DIANXIN group by x,y;

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/花生_TL007/article/detail/656702
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号