快速理解 Phoenix : SQL on HBASE

http://blog.csdn.net/colorant/article/details/8645081


作者:刘旭晖 Raymond 转载请注明出处

Email:colorant at 163.com

BLOG:http://blog.csdn.net/colorant/

更多云计算相关项目快速理解文档  http://blog.csdn.net/colorant/article/details/8255910


==是什么 ==

 

目标Scope

 

EasyStandard SQL access on top of HBase

 

官方定义

 

A SQL layer over HBase delivered as a client-embedded JDBC drivertargeting low latency queries over HBase data

 

个人理解

 

不同于Hive on HBase的方式,PhoenixQuery Plan直接使用HBaseAPI实现,目的是规避MapReduce框架,减少查询的时间延迟

 

==架构 ==

 

PhoenixSQL Query Plan的执行,基本上是通过构建一系列的Hbase scan来完成。

 

为了尽可能减少数据传输,在Region Server使用Coprocessor来尽可能的执行Aggregate相关工作,基本思想是使用RegionObserverPostScannerOpen hook中将RegionScanner替换成支持Aggregation工作的定制化的Scanner,具体的Aggregate操作通过customscan属性传递给RegionScanner。与基于MapReduce的框架执行Plan的思想比较,基本上就是通过Coprocessor,使用RegionServer自身来在各个节点上执行Aggregation

 

此外,通过各种定制的FilterHbaseRegionScanner scan过程中,尽早的将不相关的数据过滤掉。

 

采用JDBC接口和应用程序交互。

 

==实现 ==

 

目前支持简单的表的创建,修改,数据删减,过滤,检索等SQL语法,从语法上看,不支持多表操作,本质上应该是由于不支持多表联合类的操作如各种Join等,所以在Where部分也就不能做多表的比较。

 

个人认为,由于Coprocessor Filter自身能力的限制,如果完全不依赖Map Reduce框架,只通过HbaseClient API想要实现复杂的Query操作如多表联合操作,相对比较困难,或者大量工作需要在客户端代码中实现,性能上可能无法满足需求。

 

RoadMap上来看,打算支持Hash Join,要考虑性能的话,我猜测大概的实现思路是把第一次scan的小表的结果以某种方式保存在内存中供第二次Scan时匹配用,那么应该需要在scan之间保留状态,不知道这点phoneix具体打算怎么实现。

 

此外,Secondary Index也在计划之中。没有Secondary Index,显然在查询效率方面要大打折扣。

 

然后,基于HBaseTS Basedversion和不限制qualifier等特性,大概还打算实现一些相对有趣的功能,比如动态column,嵌套数据结构,schema演进等。

 

适用领域

 

如果不能找到比较好的办法来实现Join类操作,多表相关的操作都不能高效实现,那么应该只能用于简单的过滤,排序,单表检索类工作。照官方的说法就是适用于10M-100M行规模的简单查询。

 

不过,考虑到HBase表的设计理念,尽量用冗余数据空间减少复杂性的思想,实际上可以把相关数据都放在同一个表里,而不需要为了减少数据冗余,拆分到多个表中,很大程度上可以规避现阶段Phoenix在多表联合操作方面的能力缺失(当然,所有数据在一个表里存储,如果带来更新操作的负担和一致性问题,那还是要拆分的)

 

==相关文献 ==

 

语法:http://forcedotcom.github.com/phoenix/

Wiki主页:https://github.com/forcedotcom/phoenix/wiki

代码:https://github.com/forcedotcom/phoenix


版权声明:本文为博主原创文章,未经博主允许不得转载。

阅读更多
换一批

没有更多推荐了,返回首页