HBase的协处理器

协处理器

这个得对比hive比较
HBase和hive比没有天生的分布式计算能力,可以理解hive节点都有"后门"可以进行分布式计算,本来HBase是没有的但是通过协处理器,他便有了一定的分布式计算功能,(他原先下的存储功能比hive好)

协处理器有两种： observer 和 endpoint

observer协处理器

Observer 类似于传统数据库中的触发器，当发生某些事件的时候这类协处理器会被 Server 端调用。Observer Coprocessor 就是一些散布在 HBase Server 端代码中的 hook 钩子， 在固定的事件发生时被调用。比如： put 操作之前有钩子函数 prePut，该函数在 put 操作

下图是以 RegionObserver 为例子讲解 Observer 这种协处理器的原理：

1.客户端发起get请求
2.该请求被分派给合适的RegionServer和Region
3.coprocessorHost拦截该请求，然后在该表上登记的每个RegionObserer上调用preGet()
4.如果没有被preGet拦截，该请求继续送到Region，然后进行处理
5.Region产生的结果再次被coprocessorHost拦截，调用posGet()处理
6.加入没有postGet()拦截该响应，最终结果被返回给客户端

endpoint协处理器

Endpoint 协处理器类似传统数据库中的存储过程，客户端可以调用这些 Endpoint 协处理器执行一段 Server 端代码，并将 Server 端代码的结果返回给客户端进一步处理，最常见的用法就是进行聚集操作
如果没有协处理器，当用户需要找出一张表中的最大数据，即max 聚合操作，就必须进行全表扫描，在客户端代码内遍历扫描结果，并执行求最大值的操作。这样的方法无法利用底层集群的并发能力，而将所有计算都集中到 Client 端统一执 行，势必效率低下。

利用 Coprocessor，用户可以将求最大值的代码部署到 HBase Server 端，HBase 将利用底层 cluster 的多个节点并发执行求最大值的操作。即在每个 Region 范围内 执行求最大值的代码，将每个 Region 的最大值在 Region Server 端计算出，仅仅将该 max 值返回给客户端。在客户端进一步将多个 Region 的最大值进一步处理而找到其中的最大值。这样整体的执行效率就会提高很多
图是 EndPoint 的工作原理：

HBase的协处理器

• observer：拦截put/get/scan/delete之类的操作，执行协处理器对应的代码（Java实现的——将Java实现好的协处理器直接打成一个JAR包，JAR包可以放在HDFS上，部署到HBase）。例如：Phoenix插入一条数据，同时更新索引
• endpoint：可以使用Java编写一些逻辑，将JAR包部署到HBase，就可以实现一些扩展的功能。例如：Phoenix的select count\max…