Phoenix二级索引实战

二级索引

之前的查询，因为没有建立索引，组合条件查询效率较低，而通过使用Phoenix，我们可以非常方便地创建二级索引。Phoenix中的索引，其实底层还是表现为HBase中的表结构。这些索引表专门用来加快查询速度。

索引分类

全局索引

• 全局索引适用于读多写少业务
• 全局索引绝大多数负载都发生在写入时，当构建了全局索引时，Phoenix会拦截写入(DELETE、UPSERT值和UPSERT SELECT)上的数据表更新，构建索引更新，同时更新所有相关的索引表，开销较大
• 读取时，Phoenix将选择最快能够查询出数据的索引表。默认情况下，除非使用Hint，如果SELECT查询中引用了其他非索引列，该索引是不会生效的
• 全局索引一般和覆盖索引搭配使用，读的效率很高，但写入效率会受影响

创建语法：

CREATE INDEX 索引名称 ON 表名 (列名1, 列名2, 列名3...)

本地索引

• 本地索引适合写操作频繁，读相对少的业务
• 当使用SQL查询数据时，Phoenix会自动选择是否使用本地索引查询数据
• 在本地索引中，索引数据和业务表数据存储在同一个服务器上，避免写入期间的其他网络开销
• 在Phoenix 4.8.0之前，本地索引保存在一个单独的表中，在Phoenix 4.8.1中，本地索引的数据是保存在一个影子列蔟中本地索引查询即使SELECT引用了非索引中的字段，也会自动应用索引的

注意：创建表的时候指定了SALT_BUCKETS，是不支持本地索引的。

创建语法：

CREATE local INDEX 索引名称 ON 表名 (列名1, 列名2, 列名3...)

覆盖索引

Phoenix提供了覆盖的索引，可以不需要在找到索引条目后返回到主表。Phoenix可以将关心的数据捆绑在索引行中，从而节省了读取时间的开销。

例如，以下语法将在v1和v2列上创建索引，并在索引中包括v3列，也就是通过v1、v2就可以直接把数据查询出来。

创建语法：

CREATE INDEX my_index ON my_table (v1,v2) INCLUDE(v3)

函数索引

函数索引(4.3和更高版本)可以支持在列上创建索引，还可以基于任意表达式上创建索引。然后，当查询使用该表达式时，可以使用索引来检索结果，而不是数据表。例如，可以在UPPER(FIRST_NAME||‘ ’||LAST_NAME)上创建一个索引，这样将来搜索两个名字拼接在一起时，索引依然可以生效。

-- 创建索引
CREATE INDEX UPPER_NAME_IDX ON EMP (UPPER(FIRST_NAME||' '||LAST_NAME))
-- 以下查询会走索引
SELECT EMP_ID FROM EMP WHERE UPPER(FIRST_NAME||' '||LAST_NAME)='JOHN DOE'

测试函数索引和覆盖索引

select
    *
from
    "MOMO_CHAT"."MSG"
where
        substr("msg_time", 0, 10) = '2022-01-29'
  and "sender_account" = '13514684105'
  and "receiver_account" = '13647128512';

添加本地索引及函数索引

CREATE LOCAL INDEX LOCAL_IDX_MOMO_MSG ON MOMO_CHAT.MSG(substr("msg_time", 0, 10), "sender_account", "receiver_account");

会发现有以下异常：

这个时候需要修改hbase-site.xml 文件，支持索引预写日志编码

<!-- 支持索引预写日志编码 -->
<property>
  <name>hbase.regionserver.wal.codec</name>
  <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCode
</property>

然后需要复制到phoenix这个目录下面一份

cp hbase-site.xml /apache-phoenix-4.13.1-HBase-1.3-bin/bin/

接着重启hbase

./stop-hbase.sh
./start-hbase.sh

重新执行下索引，发现成功了。

重新执行下这条sql，会发现查询效率提高了。

select
    *
from
    "MOMO_CHAT"."MSG"
where
        substr("msg_time", 0, 10) = '2022-01-29'
  and "sender_account" = '13514684105'
  and "receiver_account" = '13647128512';

这个时候看下sql的执行计划，会发现走的是range scan，是刚才我们创建的本地索引。

explain select
    *
from
    "MOMO_CHAT"."MSG"
where
        substr("msg_time", 0, 10) = '2022-01-29'
  and "sender_account" = '13514684105'
  and "receiver_account" = '13647128512';

删除索引

 drop index LOCAL_IDX_MOMO_MSG on MOMO_CHAT.MSG;

测试全局索引和覆盖索引

select "msg_time" from "MOMO_CHAT"."MSG" where "sender_account" = '13514684105';

建立一个全局索引并且是覆盖索引

create index IDX_SENDER_ACCOUNT on MOMO_CHAT.MSG("sender_account") include ("id", "msg_time");

重新来一次搜索，发现速度快多了

explain select "msg_time" from "MOMO_CHAT"."MSG" where "sender_account" = '13514684105';