flink维表关联系列之Hbase维表关联：LRU策略

LRU

LRU(Least Recently Used)，最近最少使用缓存淘汰算法，认为最近访问过的数据在将来被访问的概率也比较大，当内存达到上限去淘汰那些最近访问较少的数据。

在Flink中做维表关联时，如果维表的数据比较大，无法一次性全部加载到内存中，而在业务上也允许一定数据的延时，那么就可以使用LRU策略加载维表数据。但是如果一条维表数据一直都被缓存命中，这条数据永远都不会被淘汰，这时维表的数据已经发生改变，那么将会在很长时间或者永远都无法更新这条改变，所以需要设置缓存超时时间TTL，当缓存时间超过ttl，会强制性使其失效重新从外部加载进来。接下来介绍两种比较常见的LRU使用:

1. LinkedHashMap
   LinkedHashMap是双向链表+hash表的结构，普通的hash表访问是没有顺序的，通过加上元素之间的指向关系保证元素之间的顺序，默认是按照插入顺序的，插入是链表尾部，取数据是链表头部，也就是访问的顺序与插入的顺序是一致的。要想其具有LRU特性，那么就将其改为访问顺序，插入还是在链表尾部，但是数据访问会将其移动达到链表的尾部，那么最近插入或者访问的数据永远都在链表尾部，被访问较少的数据就在链表的头部，给 LinkedHashMap设置一个大小，当数据大小超过该值，就直接从链表头部移除数据。
   LinkedHashMap本身不具有ttl功能，就是无法知晓数据是否过期，可以通过给数据封装一个时间字段insertTimestamp,表示数据加载到内存的时间，当这条记录被命中，首先判断当前时间currentTimestamp与insertTimestamp差值是否达到ttl, 如果达到了就重新从外部存储中查询加载到内存中。
2. guava Cache
   google guava下面提供了Cache缓存模块，轻量级，适合做本地缓存，能够做到以下几点：
   a. 可配置本地缓存大小
   b. 可配置缓存过期时间
   c. 可配置淘汰策略
   非常适用于Flink维表关联LRU策略，使用方式：

   cache = CacheBuilder.newBuilder()
               .maximumSize(1000)
               .expireAfterWrite(100, TimeUnit.MILLISECONDS)
               .build();
   

   表示最大缓存容量为1000，数据的过期时间为100s。

LRU方式读取Hbase

实现思路：

1. 使用Flink 异步IO RichAsyncFunction去异步读取hbase的数据，那么需要hbase 客户端支持异步读取，默认hbase客户端是同步，可使用hbase 提供的asynchbase 客户端；
2. 初始化一个Cache 并且设置最大缓存容量与数据过期时间；
3. 数据读取逻辑：先根据Key从Cache中查询value，如果能够查询到则返回，如果没有查询到结果则使用asynchbase查询数据，并且将查询的结果插入Cache中，然后返回

引入pom.xml 依赖：

<dependency>
	<groupId>org.hbase</groupId>
	<artifactId>asynchbase</artifactId>
	<version>1.8.2</version>
</dependency>

<dependency>
	<groupId>com.google.guava</groupId>
	<artifactId>guava</artifactId>
	<version>28.0-jre</version>
</dependency>

示例程序:

class HbaseAsyncLRU(zk: String, tableName: String, maxSize: Long, ttl: Long) extends RichAsyncFunction[String, String] {

  private var hbaseClient: HBaseClient = _
  private var cache: Cache[String, String] = _

  override def open(parameters: Configuration): Unit = {
    hbaseClient = new HBaseClient(zk)
    
    cache = CacheBuilder.newBuilder()
      .maximumSize(maxSize)
      .expireAfterWrite(ttl, TimeUnit.SECONDS)
      .build()
  }

  override def asyncInvoke(input: String, resultFuture: async.ResultFuture[String]): Unit = {

    val key = parseKey(input)
    val value = cache.getIfPresent(key)
    
    if (value != null) {
      val newV: String = fillData(input, value)
      resultFuture.complete(Collections.singleton(newV))
      return
    }

    val get = new GetRequest(tableName, key)

    hbaseClient.get(get).addCallbacks(new Callback[String, util.ArrayList[KeyValue]] {
      override def call(t: util.ArrayList[KeyValue]): String = {
        val v = parseRs(t)
        cache.put(key, v)
        resultFuture.complete(Collections.singleton(v))
        ""
      }
    }, new Callback[String, Exception] {
      override def call(t: Exception): String = {
        t.printStackTrace()
        resultFuture.complete(null)
        ""
      }
    })

  }

  private def parseKey(input: String): String = {
    ""
  }

  private def fillData(input: String, value: String): String = {
    ""
  }

  private def parseRs(t: util.ArrayList[KeyValue]): String = {
    ""
  }

}

对于查询hbase, 需要合理设计rowKey，为了避免查询热点，例如rowKey通过md5方式散列。