HBase的协处理器

起源

• Hbase 作为列族数据库最经常被人诟病的特性包括：
  • 无法轻易建立“二级索引”
  • 难以执 行求和、计数、排序等操作

比如，在旧版本的(<0.92)Hbase 中，统计数据表的总行数，需要使用 Counter 方法，执行一次 MapReduce Job 才能得到。虽然 HBase 在数据存储层中集成了 MapReduce，能够有效用于数据表的分布式计算。然而在很多情况下，做一些简单的相加或者聚合计算的时候， 如果直接将计算过程放置在 server 端，能够减少通讯开销，从而获 得很好的性能提升。

于是， HBase 在 0.92 之后引入了协处理器(coprocessors)，实现一些激动人心的新特性：能够轻易建立二次索引、复杂过滤器(谓词下推)以及访问控制等。

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 操作执行前会被 Region Server 调用；在 put 操作之后则有 postPut 钩子函数

• 以 Hbase2.0.0 版本为例，它提供了三种观察者接口：

  • RegionObserver：提供客户端的数据操纵事件钩子： Get、 Put、 Delete、 Scan 等
  • WALObserver：提供 WAL 相关操作钩子。
  • MasterObserver：提供 DDL-类型的操作钩子。如创建、删除、修改数据表等。
  • 到 0.96 版本又新增一个 RegionServerObserver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

下图是 EndPoint 的工作原理：

总结

• Observer 允许集群在正常的客户端操作过程中可以有不同的行为表现
• Endpoint 允许扩展集群的能力，对客户端应用开放新的运算命令
• observer 类似于 RDBMS 中的触发器，主要在服务端工作
• endpoint 类似于 RDBMS 中的存储过程，主要在 服务器端、client 端工作
• observer 可以实现权限管理、优先级设置、监控、 ddl 控制、 二级索引等功能
• endpoint 可以实现 min、 max、 avg、 sum、 distinct、 group by 等功能

协处理器加载方式

协处理器的加载方式有两种：

• 静态加载方式（ Static Load）
• 动态加载方式 （ Dynamic Load）

静态加载的协处理器称之为 System Coprocessor，动态加载的协处理器称 之为 Table Coprocessor。

静态加载

• 通过修改 hbase-site.xml 这个文件来实现
• 启动全局 aggregation，能过操纵所有的表上的数据。只需要添加如下代码：

<property>
	<name>hbase.coprocessor.user.region.classes</name>
	<value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value>
</property>

为所有 table 加载了一个 cp class，可以用” ,”分割加载多个 class

动态加载

• 启用表 aggregation，只对特定的表生效
• 通过 HBase Shell 来实现，disable 指定表

disable 'mytable'

• 添加 aggregation

alter 'mytable', METHOD => 'table_att','coprocessor'=>
'|org.apache.Hadoop.hbase.coprocessor.AggregateImplementation||'

• 重启启用表

enable 'mytable'

协处理器卸载

只需三步：

disable ‘test’
alter ‘test’, METHOD => ‘table_att_unset’, NAME => ‘coprocessor$1’
enable ‘test’