「从零单排HBase 11」HBase二级索引解决方案

2020-06-02 00:00:00 索引 方案 读写 性能 实时



HBase一个令人惋惜的地方,就是不支持二级索引。因此,社区有了很多补充方案来填补HBase的二级索引能力的缺陷。

今天,我们就来看看有哪些二级索引方案,通过对比各个方案的优缺点,并结合我们的具体场景做出二级索引方案选型。

1.为什么需要二级索引

HBase系统单纯从解决大数据实时读写问题角度出发,重点关注于分布式存储的扩展性、容错性、读写性能等方面,为此也牺牲了很多传统关系型数据库的功能,比如事务,SQL表达与分析等。

实际上,这是NoSQL初的含义,以解决大数据的实时存取为首要目标,提供简单的Get,Put,Scan接口,解决用户的大数据量存储的需求。因此,HBase完全是一个非常的大数据实时存取引擎,解决了传统数据库的容量问题。

就目前官方的HBase系统来说,并不支持二级索引,只有rowkey作为一级索引, 如果要对库里的非rowkey字段进行数据检索和查询, 往往要通过MapReduce/Spark等分布式计算框架进行,硬件资源消耗和时间延迟都会比较高。

为了HBase的数据查询更高效、适应更多的场景, 诸如使用非rowkey字段检索也能做到秒级响应,或者支持各个字段进行模糊查询和多字段组合查询等, 因此需要在原生HBase基础上构建二级索引, 以满足现实中更复杂多样的业务需求。一般有以下三类方案:

  • 基于HBase的Coprocessor的方案(典型代表phoenix)

  • 云厂商自研的二级索引(阿里云目前有自研增强版二级索引)

  • 基于搜索平台的索引方案(如solr、ES等)。

2.如何选择二级索引方案

我们从读写性能、使用限制、学习成本、社区活跃等角度,对三类方案做对比。

基于HBase的Coprocessor的方案(典型代表phoenix)

  • 官方文档:http://phoenix.apache.org/secondary_indexing.html

  • 读写性能:有一定读写性能损害,索引越多,写入性能影响越大

  • TTL功能:支持比较好

  • 索引的使用限制:一个表的索引数不要超过10个

  • 索引类型:全局索引、本地索引、覆盖索引

  • 学习成本:类JDBC的sql语法,多参考官方的语法(http://phoenix.apache.org/language/index.html)

  • 开源/社区活跃程度:开源,目前社区不太活跃

  • 优点:社区文档多、使用简单、实时查询无延迟

  • 缺点:非商业化方案,没有专门的技术支持

云厂商自研的二级索引(典型代表阿里云自研增强版二级索引)

  • 官方文档:https://help.aliyun.com/document_detail/144577.html?spm=a2c4g.11174283.6.576.4999363f2uZWt0

  • 读写性能:二级索引内置于HBase,官方的性能评测文档说比Phoenix好

  • TTL功能:只能在单列索引上生效

  • 索引的使用限制:一个表的索引个数多不超过5个、组合索引的列多不要超过3个

  • 索引类型:全局索引、本地索引、覆盖索引

  • 学习成本:内部封装的很简单,在使用上就是HBase的原生用法

  • 开源/社区活跃程度:非开源、阿里云私有

  • 优点:性能好、实时查询无延迟

  • 缺点:被云厂商锁定

基于搜索平台的二级索引方案(以Solr为例)

  • 官方文档:http://phoenix.apache.org/secondary_indexing.html

  • 读写性能:有一定读写性能损害、数据同步的延迟需要考虑

  • TTL功能:HBase是单个KV过期,而Solr中只能按照Document(对应HBase的一行)过期,过期的时间不完全一致

  • 索引的使用限制:没有限制,完全取决于solr

  • 索引类型:非常灵活

  • 学习成本:需要熟悉solr语法

  • 开源/社区活跃程度:开源 社区活跃

  • 优点:查询方式更加灵活

  • 缺点:引入搜索引擎组件、太重了,而且有明显的延迟问题


总结一下(特别重要的技术选型策略):

  • 为了不被云厂商锁定,所以不采用云厂商独有的二级索引方案

  • 对于实时性要求高、索引数量少的场景,完全可以使用phoenix,简单而又丝滑

  • 对于实时性要求不高、搜索场景比较复杂的,需要引入搜索引擎,如solr或者es进行索引构建

一般来说,为了满足实时需求,我们会使用phoenix。

3.简单了解下phoenix

为了让HBase更强大,更好用,门槛更低,让HBase帮助更多的用户解决他们遇到的实际问题。于是,phoenix带着SQL诞生了。众所周知,SQL是数据处理领域的语言标准,简单,好用,表达力强,用户使用广泛。当然,HBase SQL的实现和发展跟传统单机数据库有很多不同,便于区别,我们称之为NewSQL。这也是社区尝试HBase二级索引的初衷,如果说HBase是功能强大的存储引擎,那么支持NewSQL之后,就变成了新一代的大飞机。

Phoenix作为应用层和HBASE之间的中间件,以下特性使它在大数据量的简单查询场景有着独有的优势

  • 二级索引支持(global index + local index)

  • 编译SQL成为原生HBASE的可并行执行的scan

  • 在数据层完成计算,server端的coprocessor执行聚合

  • 下推where过滤条件到server端的scan filter上

  • skip scan功能提高扫描速度

下一期,我们将结合实践,来说明phoenix的原理和佳实践,敬请期待!




相关文章