flink维表关联系列之Hbase维表关联：LRU策略

维表关联系列目录:
一、维表服务与Flink异步IO
二、Mysql维表关联：全量加载
三、Hbase维表关联：LRU策略
四、Redis维表关联：实时查询
五、kafka维表关联：广播方式
六、自定义异步查询

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：

 

1.  `cache =  CacheBuilder.newBuilder()`

2.  `.maximumSize(1000)`

3.  `.expireAfterWrite(100,  TimeUnit.MILLISECONDS)`

4.  `.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：

 

1.  `<dependency>`

2.  `<groupId>org.hbase</groupId>`

3.  `<artifactId>asynchbase</artifactId>`

4.  `<version>1.8.2</version>`

5.  `</dependency>`

6.  `<dependency>`

7.  `<groupId>com.google.guava</groupId>`

8.  `<artifactId>guava</artifactId>`

9.  `<version>28.0-jre</version>`

10.  `</dependency>`

demo版：

 

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

4.  `private  var hbaseClient:  HBaseClient  = _`

5.  `private  var cache:  Cache[String,  String]  = _`

7.  `override  def open(parameters:  Configuration):  Unit  =  {`

8.  `hbaseClient =  new  HBaseClient(zk)`

9.  `cache =  CacheBuilder.newBuilder()`

10.  `.maximumSize(maxSize)`

11.  `.expireAfterWrite(ttl,  TimeUnit.SECONDS)`

12.  `.build()`

13.  `}`

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

17.  `val key = parseKey(input)`

18.  `val value = cache.getIfPresent(key)`

19.  `if  (value !=  null)  {`

20.  `val newV:  String  = fillData(input, value)`

21.  `resultFuture.complete(Collections.singleton(newV))`

22.  `return`

23.  `}`

24.  `val get  =  new  GetRequest(tableName, key)`

25.  `hbaseClient.get(get).addCallbacks(new  Callback[String, util.ArrayList[KeyValue]]  {`

26.  `override  def call(t: util.ArrayList[KeyValue]):  String  =  {`

27.  `val v = parseRs(t)`

28.  `cache.put(key, v)`

29.  `resultFuture.complete(Collections.singleton(v))`

30.  `""`

31.  `}`

32.  `},  new  Callback[String,  Exception]  {`

33.  `override  def call(t:  Exception):  String  =  {`

34.  `t.printStackTrace()`

35.  `resultFuture.complete(null)`

36.  `""`

37.  `}`

38.  `})`

39.  `}`

40.  `private  def parseKey(input:  String):  String  =  {`

41.  `""`

42.  `}`

43.  `private  def fillData(input:  String, value:  String):  String  =  {`

44.  `""`

45.  `}`

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

47.  `""`

48.  `}`

49.  `}`

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。