HBase 作为 NoSQL 或列式数据库,虽然解决了海量数据存储需求,但查询满足非常有限。因为访问 HBase 表中的行,只有三种方式:通过单个RowKey
通过RowKey的range(最好是前缀扫描)
全表扫描
如何实现 HBase 的复杂查询,有一些方案:借助 Phoenix,他会给 HBase,做了个映射,生成二级索引,同时支持 SQL, 可实现一些不太复杂的查询,我觉得更适用于离线数据分析的场景。参见《Phoenix 安装与使用》
借助 HBase Indexer,Cloudera 平台默认集成,实际上就是把 HBase 数据同步到 Solr 进行索引,配置很繁琐,并且 Solr 的分布式感觉很蛋疼(除了那个admin ui还凑活)。参见《HBase Indexer 整合 Solr》
所以,HBase 还是让它好好的干存储的事情吧,检索的事情交给搜索来做,通过对比 Solr 和 ES,无疑 ES 使用起来更爽一些。那么同步方案呢?
方案客户端双写
数据可能不同步?面对高并发的写入场景,HBase能扛住,ES能否扛住?双写之前再搞个消息队列?ES 从 HBase 拉数据
(类似 MySQL + Solr 的增量索引),如何增量,其实就是根据监控一个 update_time 来实现,问题也不少,比如不好监控删除的数据,并且 HBase 只有一个 Rowkey,貌似搞不了HBase 入库后同步到 ES
如何实现?还要考虑 ES 的索引性能。
最终发现 H