Phoenix介绍与安装

Phoenix
Hbase适合存储大量的对关系运算要求低的NOSQL数据，受Hbase 设计上的限制不能直接使用原生的API执行在关系数据库中普遍使用的条件判断和聚合等操作。Hbase很优秀，一些团队寻求在Hbase之上提供一种更面向普通开发人员的操作方式，Apache Phoenix即是。

Phoenix 基于Hbase给面向业务的开发人员提供了以标准SQL的方式对Hbase进行查询操作，并支持标准SQL中大部分特性:条件运算,分组，分页，等高级查询语法。

配置Phoenix

1、Phoenix搭建
Phoenix 4.15 HBase 1.4.6 hadoop 2.7.6

1、关闭hbase集群，在master中执行
stop-hbase.sh
2、上传解压配置环境变量
解压

tar -xvf apache-phoenix-4.15.0-HBase-1.4-bin.tar.gz -C /usr/local/soft/

改名

mv apache-phoenix-4.15.0-HBase-1.4-bin phoenix-4.15.0

3、将phoenix-4.15.0-HBase-1.4-server.jar复制到所有节点的hbase lib目录下
scp /usr/local/soft/phoenix-4.15.0/phoenix-4.15.0-HBase-1.4-server.jar master:/usr/local/soft/hbase-1.4.6/lib/

scp /usr/local/soft/phoenix-4.15.0/phoenix-4.15.0-HBase-1.4-server.jar node1:/usr/local/soft/hbase-1.4.6/lib/

scp /usr/local/soft/phoenix-4.15.0/phoenix-4.15.0-HBase-1.4-server.jar node2:/usr/local/soft/hbase-1.4.6/lib/

4、启动hbase ， 在master中执行
start-hbase.sh
5、配置环境变量
vim /etc/profile
2、Phoenix使用
1、连接sqlline
sqlline.py master,node1,node2

出现

163/163 (100%) Done
Done
sqlline version 1.5.0
0: jdbc:phoenix:master,node1,node2>

2、常用命令

1、创建表

CREATE TABLE IF NOT EXISTS STUDENT (
id VARCHAR NOT NULL PRIMARY KEY,
name VARCHAR,
age BIGINT,
gender VARCHAR ,
clazz VARCHAR
);

2、显示所有表

!table

3、插入数据

upsert into STUDENT values(‘1500100004’,‘葛德曜’,24,‘男’,‘理科三班’);
upsert into STUDENT values(‘1500100005’,‘宣谷芹’,24,‘男’,‘理科六班’);
upsert into STUDENT values(‘1500100006’,‘羿彦昌’,24,‘女’,‘理科三班’);

4、查询数据,支持大部分sql语法，

select * from STUDENT ;
select * from STUDENT where age=24;
select gender ,count(*) from STUDENT group by gender;
select * from student order by gender;

5、删除数据

delete from STUDENT where id=‘1500100004’;

6、删除表

drop table STUDENT;

7、退出命令行

!quit

更多语法参照官网
https://phoenix.apache.org/language/index.html#upsert_select

3、phoenix表映射
默认情况下，直接在hbase中创建的表，通过phoenix是查看不到的

如果需要在phoenix中操作直接在hbase中创建的表，则需要在phoenix中进行表的映射。映射方式有两种：视图映射和表映射

3.1、视图映射
Phoenix创建的视图是只读的，所以只能用来做查询，无法通过视图对源数据进行修改等操作

hbase shell 进入hbase命令行

hbase shell

创建hbase表

create ‘test’,‘name’,‘company’

插入数据

put ‘test’,‘001’,‘name:firstname’,‘zhangsan1’
put ‘test’,‘001’,‘name:lastname’,‘zhangsan2’
put ‘test’,‘001’,‘company:name’,‘数加’
put ‘test’,‘001’,‘company:address’,‘合肥’

在phoenix创建视图， primary key 对应到hbase中的rowkey

create view “test”(
empid varchar primary key,
“name”.“firstname” varchar,
“name”.“lastname” varchar,
“company”.“name” varchar,
“company”.“address” varchar
);

CREATE view “student” (
id VARCHAR NOT NULL PRIMARY KEY,
“info”.“name” VARCHAR,
“info”.“age” VARCHAR,
“info”.“gender” VARCHAR ,
“info”.“clazz” VARCHAR
) column_encoded_bytes=0;

在phoenix查询数据，表名通过双引号引起来

select * from “test”;

删除视图

drop view “test”;

3.2、表映射
使用Apache Phoenix创建对HBase的表映射，有两类：

1） 当HBase中已经存在表时，可以以类似创建视图的方式创建关联表，只需要将create view改为create table即可。

2）当HBase中不存在表时，可以直接使用create table指令创建需要的表，并且在创建指令中可以根据需要对HBase表结构进行显示的说明。

第1）种情况下，如在之前的基础上已经存在了test表，则表映射的语句如下：

create table “test” (
empid varchar primary key,
“name”.“firstname” varchar,
“name”."lastname"varchar,
“company”.“name” varchar,
“company”.“address” varchar
)column_encoded_bytes=0;

upsert into “test” values(‘1’,‘2’,‘3’,‘4’,‘5’);

CREATE table “student” (
id VARCHAR NOT NULL PRIMARY KEY,
“info”.“name” VARCHAR,
“info”.“age” VARCHAR,
“info”.“gender” VARCHAR ,
“info”.“clazz” VARCHAR
) column_encoded_bytes=0;

upsert into “student” values(‘1500110004’,‘葛德曜’,‘24’,‘n ü’,‘理科三班’);

使用create table创建的关联表，如果对表进行了修改，源数据也会改变，同时如果关联表被删除，源表也会被删除。但是视图就不会，如果删除视图，源数据不会发生改变。

3、Phoenix二级索引
对于Hbase，如果想精确定位到某行记录，唯一的办法就是通过rowkey查询。如果不通过rowkey查找数据，就必须逐行比较每一行的值，对于较大的表，全表扫描的代价是不可接受的。

1、开启索引支持

关闭hbase集群

stop-hbase.sh

在/usr/local/soft/hbase-1.4.6/conf/hbase-site.xml中增加如下配置

hbase.regionserver.wal.codec org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec hbase.rpc.timeout 60000000 hbase.client.scanner.timeout.period 60000000 phoenix.query.timeoutMs 60000000

同步到所有节点

scp hbase-site.xml node1:pwd
scp hbase-site.xml node2:pwd

修改phoenix目录下的bin目录中的hbase-site.xml

hbase.rpc.timeout 60000000 hbase.client.scanner.timeout.period 60000000 phoenix.query.timeoutMs 60000000

启动hbase

start-hbase.sh

重新进入phoenix客户端

sqlline.sql master,node1,node2
2、创建索引
2.1、全局索引
全局索引适合读多写少的场景。如果使用全局索引，读数据基本不损耗性能，所有的性能损耗都来源于写数据。数据表的添加、删除和修改都会更新相关的索引表（数据删除了，索引表中的数据也会删除；数据增加了，索引表的数据也会增加）

注意: 对于全局索引在默认情况下，在查询语句中检索的列如果不在索引表中，Phoenix不会使用索引表将，除非使用hint。

创建DIANXIN.sql

CREATE TABLE IF NOT EXISTS DIANXIN (
mdn VARCHAR ,
start_date VARCHAR ,
end_date VARCHAR ,
county VARCHAR,
x DOUBLE ,
y DOUBLE,
bsid VARCHAR,
grid_id VARCHAR,
biz_type VARCHAR,
event_type VARCHAR ,
data_source VARCHAR ,
CONSTRAINT PK PRIMARY KEY (mdn,start_date)
) column_encoded_bytes=0;

上传数据DIANXIN.csv

导入数据

psql.py master,node1,node2 DIANXIN.sql DIANXIN.csv

创建全局索引

CREATE INDEX DIANXIN_INDEX ON DIANXIN ( end_date );

查询数据 ( 索引未生效)

select * from DIANXIN where end_date = ‘20180503154014’;

强制使用索引 （索引生效） hint

select /*+ INDEX(DIANXIN DIANXIN_INDEX) */ * from DIANXIN where end_date = ‘20180503154014’;

select /*+ INDEX(DIANXIN DIANXIN_INDEX) */ * from DIANXIN where end_date = ‘20180503154014’ and start_date = ‘20180503154614’;

取索引列，（索引生效）

select end_date from DIANXIN where end_date = ‘20180503154014’;

创建多列索引

CREATE INDEX DIANXIN_INDEX1 ON DIANXIN ( end_date,COUNTY );

多条件查询 （索引生效）

select end_date,MDN,COUNTY from DIANXIN where end_date = ‘20180503154014’ and COUNTY = ‘8340104’;

查询所有列 (索引未生效)

select * from DIANXIN where end_date = ‘20180503154014’ and COUNTY = ‘8340104’;

查询所有列 （索引生效）

select /*+ INDEX(DIANXIN DIANXIN_INDEX1) */ * from DIANXIN where end_date = ‘20180503154014’ and COUNTY = ‘8340104’;

单条件 (索引未生效)

select end_date from DIANXIN where COUNTY = ‘8340103’;

单条件 (索引生效) end_date 在前

select COUNTY from DIANXIN where end_date = ‘20180503154014’;

删除索引

drop index DIANXIN_INDEX on DIANXIN;
2.2、本地索引
本地索引适合写多读少的场景，或者存储空间有限的场景。和全局索引一样，Phoenix也会在查询的时候自动选择是否使用本地索引。本地索引因为索引数据和原数据存储在同一台机器上，避免网络数据传输的开销，所以更适合写多的场景。由于无法提前确定数据在哪个Region上，所以在读数据的时候，需要检查每个Region上的数据从而带来一些性能损耗。

注意:对于本地索引，查询中无论是否指定hint或者是查询的列是否都在索引表中，都会使用索引表。

创建本地索引

CREATE LOCAL INDEX DIANXIN_LOCAL_IDEX ON DIANXIN(grid_id);

索引生效

select grid_id from dianxin where grid_id=‘117285031820040’;

索引生效

select * from dianxin where grid_id=‘117285031820040’;

2.3、覆盖索引
覆盖索引是把原数据存储在索引数据表中，这样在查询时不需要再去HBase的原表获取数据就，直接返回查询结果。

注意：查询是 select 的列和 where 的列都需要在索引中出现。

创建覆盖索引

CREATE INDEX DIANXIN_INDEX_COVER ON DIANXIN ( x,y ) INCLUDE ( county );

查询所有列 (索引未生效)

select * from DIANXIN where x=117.288 and y =31.822;

强制使用索引 (索引生效)

select /*+ INDEX(DIANXIN DIANXIN_INDEX_COVER) */ * from DIANXIN where x=117.288 and y =31.822;

查询索引中的列 (索引生效) mdn是DIANXIN表的RowKey中的一部分

select x,y,county from DIANXIN where x=117.288 and y =31.822;
select mdn,x,y,county from DIANXIN where x=117.288 and y =31.822;

查询条件必须放在索引中 select 中的列可以放在INCLUDE （将数据保存在索引中）

select /*+ INDEX(DIANXIN DIANXIN_INDEX_COVER) / x,y,count() from DIANXIN group by x,y;

4、Phoenix JDBC

导入依赖

org.apache.phoenix phoenix-core 4.15.0-HBase-1.4

Connection conn = DriverManager.getConnection(“jdbc:phoenix:master,node1,node2:2181”);
PreparedStatement ps = conn.prepareStatement(“select /*+ INDEX(DIANXIN DIANXIN_INDEX) */ * from DIANXIN where end_date=?”);
ps.setString(1, “20180503212649”);
ResultSet rs = ps.executeQuery();
while (rs.next()) {
String mdn = rs.getString(“mdn”);
String start_date = rs.getString(“start_date”);
String end_date = rs.getString(“end_date”);
String x = rs.getString(“x”);
String y = rs.getString(“y”);
String county = rs.getString(“county”);
System.out.println(mdn + “\t” + start_date + “\t” + end_date + “\t” + x + “\t” + y + “\t” + county);
}
ps.close();
conn.close();