背景:
某电信项目中采用HBase来存储用户终端明细数据,供前台页面即时查询。HBase无可置疑拥有其优势,但其本身只对rowkey支持毫秒级的快速检索,对于多字段的组合查询却无能为力。针对HBase的多条件查询也有多种方案,但是这些方案要么太复杂,要么效率太低,本文只对基于Solr的HBase多条件查询方案进行测试和验证。
原理:
基于Solr的HBase多条件查询原理很简单,将HBase表中涉及条件过滤的字段和rowkey在Solr中建立索引,通过Solr的多条件查询快速获得符合过滤条件的rowkey值,拿到这些rowkey之后在HBASE中通过指定rowkey进行查询。
测试环境:
solr 4.0.0版本,使用其自带的jetty服务端容器,单节点;
hbase-0.94.2-cdh4.2.1,10台Lunux服务器组成的HBase集群。
HBase中2512万条数据172个字段;
Solr索引HBase中的100万条数据;
测试结果:
1、100万条数据在Solr中对8个字段建立索引。在Solr中最多8个过滤条件获取51316条数据的rowkey值,基本在57-80毫秒。根据Solr返回的rowkey值在HBase表中获取所有51316条数据12个字段值,耗时基本在15秒;
2、数据量同上,过滤条件同上,采用Solr分页查询,每次获取20条数据,Solr获得20个rowkey值耗时4-10毫秒,拿到Solr传入的rowkey值在HBase中获取对应20条12个字段的数据,耗时6毫秒。
以下列出测试环境的搭建、以及相关代码实现过程。
一、Solr环境的搭建
因为初衷只是测试Solr的使用,Solr的运行环境也只是用了其自带的jetty,而非大多人用的Tomcat;没有搭建Solr集群,只是一个单一的Solr服务端,也没有任何参数调优。
1)在Apache网站上下载Solr 4:http://lucene.apache.org/solr/downloads.html,我们这里下载的是“apache-solr-4.0.0.tgz”;
2)在当前目录解压Solr压缩包:
cd /opt
tar -xvzf apache-solr-4.0.0.tgz
3)修改Solr的配置文件schema.xml,添加我们需要索引的多个字段(配置文件位于“/opt/apache-solr-4.0.0/example/solr/collection1/conf/”)
另外关键的一点是修改原有的uniqueKey,本文设置HBase表的rowkey字段为Solr索引的uniqueKey:
rowkey
type 参数代表索引数据类型,我这里将type全部设置为string是为了避免异常类型的数据导致索引建立失败,正常情况下应该根据实际字段类型设置,比如整型字段设置为int,更加有利于索引的建立和检索;
indexed 参数代表此字段是否建立索引,根据实际情况设置,建议不参与条件过滤的字段一律设置为false;
stored 参数代表是否存储此字段的值,建议根据实际需求只将需要获取值的字段设置为true,以免浪费存储,比如我们的场景只需要获取rowkey,那么只需把rowkey字段设置为true即可,其他字段全部设置flase;
required 参数代表此字段是否必需,如果数据源某个字段可能存在空值,那么此属性必需设置为false,不然Solr会抛出异常;
multiValued 参数代表此字段是否允许有多个值,通常都设置为false,根据实际需求可设置为true。
4)我们使用Solr自带的example来作为运行环境,定位到example目录,启动服务监听:
cd /opt/apache-solr-4.0.0/example
java-jar ./start.jar
如果启动成功,可以通过浏览器打开此页面:http://192.168.1.10:8983/solr/
二、读取HBase源表的数据,在Solr中建立索引
一种方案是通过HBase的普通API获取数据建立索引,此方案的缺点是效率较低每秒只能处理100多条数据(或许可以通过多线程提高效率):
packagecom.ultrapower.hbase.solrhbase;importjava.io.IOException;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.hbase.HBaseConfiguration;importorg.apache.hadoop.hbase.KeyValue;importorg.apache.hadoop.hbase.client.HTable;importorg.apache.hadoop.hbase.client.Result;importorg.apache.hadoop.hbase.client.ResultScanner;importorg.apache.hadoop.hbase.client.Scan;importorg.apache.hadoop.hbase.util.Bytes;importorg.apache.solr.client.solrj.SolrServerException;importorg.apache.solr.client.solrj.impl.HttpSolrServer;importorg.apache.solr.common.SolrInputDocument;public classSolrIndexer {/***@paramargs
*@throwsIOException
*@throwsSolrServerException*/
public static void main(String[] args) throwsIOException,
SolrServerException {
finalConfiguration conf;
HttpSolrServer solrServer= newHttpSolrServer("http://192.168.1.10:8983/solr"); // 因为服务端是用的Solr自带的jetty容器,默认端口号是8983
conf=HBaseConfiguration.create();
HTable table= new HTable(conf, "hb_app_xxxxxx"); // 这里指定HBase表名称
Scan scan= newScan();
scan.addFamily(Bytes.toBytes("d")); // 这里指定HBase表的列族
scan.setCaching(500);
scan.setCacheBlocks(false);
ResultScanner ss=table.getScanner(scan);
System.out.println("start ...");int i = 0;try{for(Result r : ss) {
SolrInputDocument solrDoc= newSolrInputDocument();
solrDoc.addField("rowkey", newString(r.getRow()));for(KeyValue kv : r.raw()) {
String fieldName= newString(kv.getQualifier());
String fieldValue= newString(kv.getValue());if (fieldName.equalsIgnoreCase("time")|| fieldName.equalsIgnoreCase("tebid")|| fieldName.equalsIgnoreCase("tetid")|| fieldName.equalsIgnoreCase("puid")|| fieldName.equalsIgnoreCase("mgcvid")|| fieldName.equalsIgnoreCase("mtcvid")|| fieldName.equalsIgnoreCase("smaid")|| fieldName.equalsIgnoreCase("mtlkid")) {
solrDoc.addField(fieldName, fieldValue);
}
}
solrServer.add(solrDoc);
solrServer.commit(true, true, true);
i= i + 1;
System.out.println("已经成功处理 " + i + " 条数据");
}
ss.close();
table.close();
System.out.println("done !");
}catch(IOException e) {
}finally{
ss.close();
table.close();
System.out.println("erro !");
}
}
}
另外一种方案是用到HBase的Mapreduce框架,分布式并行执行效率特别高,处理1000万条数据仅需5分钟,但是这种高并发需要对Solr服务器进行配置调优,不然会抛出服务器无法响应的异常:
Error: org.apache.solr.common.SolrException: Server at http://192.168.1.10:8983/solr returned non ok status:503, message:Service Unavailable
MapReduce入口程序:
packagecom.ultrapower.hbase.solrhbase;importjava.io.IOException;importjava.net.URISyntaxException;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.hbase.HBaseConfiguration;importorg.apache.hadoop.hbase.client.Scan;importorg.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;importorg.apache.hadoop.hbase.util.Bytes;importorg.apache.hadoop.mapreduce.Job;importorg.apache.hadoop.mapreduce.lib.output.NullOutputFormat;public classSolrHBaseIndexer {private static voidusage() {
System.err.println("输入参数: ");
System.exit(1);
}private staticConfiguration conf;public static void main(String[] args) throwsIOException,
InterruptedException, ClassNotFoundException, URISyntaxException {if (args.length == 0 || args.length > 3) {
usage();
}
createHBaseConfiguration(args[0]);
ConfigProperties tutorialProperties= new ConfigProperties(args[0]);
String tbName=tutorialProperties.getHBTbName();
String tbFamily=tutorialProperties.getHBFamily();
Job job= new Job(conf, "SolrHBaseIndexer");
job.setJarByClass(SolrHBaseIndexer.class);
Scan scan= newScan();if (args.length == 3) {
scan.setStartRow(Bytes.toBytes(args[1]));
scan.setStopRow(Bytes.toBytes(args[2]));
}
scan.addFamily(Bytes.toBytes(tbFamily));
scan.setCaching(500); //设置缓存数据量来提高效率
scan.setCacheBlocks(false);//创建Map任务
TableMapReduceUtil.initTableMapperJob(tbName, scan,
SolrHBaseIndexerMapper.class, null, null, job);//不需要输出
job.setOutputFormatClass(NullOutputFormat.class);//job.setNumReduceTasks(0);
System.exit(job.waitForCompletion(true) ? 0 : 1);
}/*** 从配置文件读取并设置HBase配置信息
*
*@parampropsLocation
*@return
*/
private static voidcreateHBaseConfiguration(String propsLocation) {
ConfigProperties tutorialProperties= newConfigProperties(
propsLocation);
conf=HBaseConfiguration.create();
conf.set("hbase.zookeeper.quorum", tutorialProperties.getZKQuorum());
conf.set("hbase.zookeeper.property.clientPort",
tutorialProperties.getZKPort());
conf.set("hbase.master", tutorialProperties.getHBMaster());
conf.set("hbase.rootdir", tutorialProperties.getHBrootDir());
conf.set("solr.server", tutorialProperties.getSolrServer());
}
}
对应的Mapper:
packagecom.ultrapower.hbase.solrhbase;importjava.io.IOException;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.hbase.KeyValue;importorg.apache.hadoop.hbase.client.Result;importorg.apache.hadoop.hbase.io.ImmutableBytesWritable;importorg.apache.hadoop.hbase.mapreduce.TableMapper;importorg.apache.hadoop.io.Text;importorg.apache.solr.client.solrj.SolrServerException;importorg.apache.solr.client.solrj.impl.HttpSolrServer;importorg.apache.solr.common.SolrInputDocument;public class SolrHBaseIndexerMapper extends TableMapper{public voidmap(ImmutableBytesWritable key, Result hbaseResult,
Context context)throwsInterruptedException, IOException {
Configuration conf=context.getConfiguration();
HttpSolrServer solrServer= new HttpSolrServer(conf.get("solr.server"));
solrServer.setDefaultMaxConnectionsPerHost(100);
solrServer.setMaxTotalConnections(1000);
solrServer.setSoTimeout(20000);
solrServer.setConnectionTimeout(20000);
SolrInputDocument solrDoc= newSolrInputDocument();try{
solrDoc.addField("rowkey", newString(hbaseResult.getRow()));for(KeyValue rowQualifierAndValue : hbaseResult.list()) {
String fieldName= newString(
rowQualifierAndValue.getQualifier());
String fieldValue= newString(rowQualifierAndValue.getValue());if (fieldName.equalsIgnoreCase("time")|| fieldName.equalsIgnoreCase("tebid")|| fieldName.equalsIgnoreCase("tetid")|| fieldName.equalsIgnoreCase("puid")|| fieldName.equalsIgnoreCase("mgcvid")|| fieldName.equalsIgnoreCase("mtcvid")|| fieldName.equalsIgnoreCase("smaid")|| fieldName.equalsIgnoreCase("mtlkid")) {
solrDoc.addField(fieldName, fieldValue);
}
}
solrServer.add(solrDoc);
solrServer.commit(true, true, true);
}catch(SolrServerException e) {
System.err.println("更新Solr索引异常:" + newString(hbaseResult.getRow()));
}
}
}
读取参数配置文件的辅助类:
packagecom.ultrapower.hbase.solrhbase;importjava.io.File;importjava.io.FileReader;importjava.io.IOException;importjava.util.Properties;public classConfigProperties {private staticProperties props;privateString HBASE_ZOOKEEPER_QUORUM;privateString HBASE_ZOOKEEPER_PROPERTY_CLIENT_PORT;privateString HBASE_MASTER;privateString HBASE_ROOTDIR;privateString DFS_NAME_DIR;privateString DFS_DATA_DIR;privateString FS_DEFAULT_NAME;privateString SOLR_SERVER; // Solr服务器地址privateString HBASE_TABLE_NAME; // 需要建立Solr索引的HBase表名称privateString HBASE_TABLE_FAMILY; // HBase表的列族publicConfigProperties(String propLocation) {
props= newProperties();try{
File file= newFile(propLocation);
System.out.println("从以下位置加载配置文件: " +file.getAbsolutePath());
FileReader is= newFileReader(file);
props.load(is);
HBASE_ZOOKEEPER_QUORUM=props.getProperty("HBASE_ZOOKEEPER_QUORUM");
HBASE_ZOOKEEPER_PROPERTY_CLIENT_PORT=props.getProperty("HBASE_ZOOKEEPER_PROPERTY_CLIENT_PORT");
HBASE_MASTER= props.getProperty("HBASE_MASTER");
HBASE_ROOTDIR= props.getProperty("HBASE_ROOTDIR");
DFS_NAME_DIR= props.getProperty("DFS_NAME_DIR");
DFS_DATA_DIR= props.getProperty("DFS_DATA_DIR");
FS_DEFAULT_NAME= props.getProperty("FS_DEFAULT_NAME");
SOLR_SERVER= props.getProperty("SOLR_SERVER");
HBASE_TABLE_NAME= props.getProperty("HBASE_TABLE_NAME");
HBASE_TABLE_FAMILY= props.getProperty("HBASE_TABLE_FAMILY");
}catch(IOException e) {throw new RuntimeException("加载配置文件出错");
}catch(NullPointerException e) {throw new RuntimeException("文件不存在");
}
}publicString getZKQuorum() {returnHBASE_ZOOKEEPER_QUORUM;
}publicString getZKPort() {returnHBASE_ZOOKEEPER_PROPERTY_CLIENT_PORT;
}publicString getHBMaster() {returnHBASE_MASTER;
}publicString getHBrootDir() {returnHBASE_ROOTDIR;
}publicString getDFSnameDir() {returnDFS_NAME_DIR;
}publicString getDFSdataDir() {returnDFS_DATA_DIR;
}publicString getFSdefaultName() {returnFS_DEFAULT_NAME;
}publicString getSolrServer() {returnSOLR_SERVER;
}publicString getHBTbName() {returnHBASE_TABLE_NAME;
}publicString getHBFamily() {returnHBASE_TABLE_FAMILY;
}
}
参数配置文件“config.properties”:
HBASE_ZOOKEEPER_QUORUM=slave-1,slave-2,slave-3,slave-4,slave-5HBASE_ZOOKEEPER_PROPERTY_CLIENT_PORT=2181HBASE_MASTER=master-1:60000HBASE_ROOTDIR=hdfs:///hbase
DFS_NAME_DIR=/opt/data/dfs/name
DFS_DATA_DIR=/opt/data/d0/dfs2/data
FS_DEFAULT_NAME=hdfs://192.168.1.10:9000
SOLR_SERVER=http://192.168.1.10:8983/solr
HBASE_TABLE_NAME=hb_app_m_user_te
HBASE_TABLE_FAMILY=d
三、结合Solr进行HBase数据的多条件查询:
可以通过web页面操作Solr索引,
查询:
http://192.168.1.10:8983/solr/select?(time:201307 AND tetid:1 AND mgcvid:101 AND smaid:101 AND puid:102)
删除所有索引:
http://192.168.1.10:8983/solr/update/?stream.body=*:*&stream.contentType=text/xml;charset=utf-8&commit=true
通过java客户端结合Solr查询HBase数据:
packagecom.ultrapower.hbase.solrhbase;importjava.io.IOException;importjava.nio.ByteBuffer;importjava.util.ArrayList;importjava.util.List;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.hbase.HBaseConfiguration;importorg.apache.hadoop.hbase.client.Get;importorg.apache.hadoop.hbase.client.HTable;importorg.apache.hadoop.hbase.client.Result;importorg.apache.hadoop.hbase.util.Bytes;importorg.apache.solr.client.solrj.SolrQuery;importorg.apache.solr.client.solrj.SolrServer;importorg.apache.solr.client.solrj.SolrServerException;importorg.apache.solr.client.solrj.impl.HttpSolrServer;importorg.apache.solr.client.solrj.response.QueryResponse;importorg.apache.solr.common.SolrDocument;importorg.apache.solr.common.SolrDocumentList;public classQueryData {/***@paramargs
*@throwsSolrServerException
*@throwsIOException*/
public static void main(String[] args) throwsSolrServerException, IOException {finalConfiguration conf;
conf=HBaseConfiguration.create();
HTable table= new HTable(conf, "hb_app_m_user_te");
Get get= null;
List list = new ArrayList();
String url= "http://192.168.1.10:8983/solr";
SolrServer server= newHttpSolrServer(url);
SolrQuery query= new SolrQuery("time:201307 AND tetid:1 AND mgcvid:101 AND smaid:101 AND puid:102");
query.setStart(0); //数据起始行,分页用
query.setRows(10); //返回记录数,分页用
QueryResponse response=server.query(query);
SolrDocumentList docs=response.getResults();
System.out.println("文档个数:" +docs.getNumFound()); //数据总条数也可轻易获取
System.out.println("查询时间:" +response.getQTime());for(SolrDocument doc : docs) {
get= new Get(Bytes.toBytes((String) doc.getFieldValue("rowkey")));
list.add(get);
}
Result[] res=table.get(list);byte[] bt1 = null;byte[] bt2 = null;byte[] bt3 = null;byte[] bt4 = null;
String str1= null;
String str2= null;
String str3= null;
String str4= null;for(Result rs : res) {
bt1= rs.getValue("d".getBytes(), "3mpon".getBytes());
bt2= rs.getValue("d".getBytes(), "3mponid".getBytes());
bt3= rs.getValue("d".getBytes(), "amarpu".getBytes());
bt4= rs.getValue("d".getBytes(), "amarpuid".getBytes());if (bt1 != null && bt1.length>0) {str1 = new String(bt1);} else {str1 = "无数据";} //对空值进行new String的话会抛出异常
if (bt2 != null && bt2.length>0) {str2 = new String(bt2);} else {str2 = "无数据";}if (bt3 != null && bt3.length>0) {str3 = new String(bt3);} else {str3 = "无数据";}if (bt4 != null && bt4.length>0) {str4 = new String(bt4);} else {str4 = "无数据";}
System.out.print(new String(rs.getRow()) + " ");
System.out.print(str1+ "|");
System.out.print(str2+ "|");
System.out.print(str3+ "|");
System.out.println(str4+ "|");
}
table.close();
}
}
小结:
通过测试发现,结合Solr索引可以很好的实现HBase的多条件查询,同时还能解决其两个难点:分页查询、数据总量统计。
实际场景中大多都是分页查询,分页查询返回的数据量很少,采用此种方案完全可以达到前端页面毫秒级的实时响应;若有大批量的数据交互,比如涉及到数据导出,实际上效率也是很高,十万数据仅耗时10秒。
另外,如果真的将Solr纳入使用,Solr以及HBase端都可以不断进行优化,比如可以搭建Solr集群,甚至可以采用SolrCloud基于hadoop的分布式索引服务。
总之,HBase不能多条件过滤查询的先天性缺陷,在Solr的配合之下可以得到较好的弥补,难怪诸如新蛋科技、国美电商、苏宁电商等互联网公司以及众多游戏公司,都使用Solr来支持快速查询。
----end
作者:chenzheng
联系:vinkeychen@gmail.com