2021年大数据HBase（十六）：HBase的协处理器(Coprocessor)

2021-10-11 16:25:55 浏览数 (1)

HBase的协处理器(Coprocessor)

一、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。

二、协处理器主要的分类

  • ObServer
  • Endpoint

三、HBase的协处理器_ObServer

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

下面是以 RegionObserver 为例子讲解 Observer 这种协处理器的原理：

  • 比如客户端发起get请求
  • 该请求被分派给合适的RegionServer和Region
  • coprocessorHost拦截该请求，然后在该表上登记的每个RegionObserer上调用preGet()
  • 如果没有被preGet拦截，该请求继续送到Region，然后进行处理
  • Region产生的结果再次被coprocessorHost拦截，调用postGet()处理
  • 加入没有postGet()拦截该响应，最终结果被返回给客户端

四、HBase的协处理器_Endpoint

  • 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：

五、概念总结

  • 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

六、加载的方式

1、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：

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

2、动态加载:

  • 启用表 aggregation，只对特定的表生效
  • 通过 HBase Shell 来实现，disable 禁用表
  • 添加 aggregation , 添加后启用表即可
代码语言：javascript复制
hbase> alter 'mytable', METHOD => 'table_att','coprocessor'=>'|org.apache.Hadoop.hbase.coprocessor.AggregateImplementation||'

七、卸载的方式

1、禁用表:      

代码语言：javascript复制
disable 'test'

2、修改表: 删除协处理器的配置信息      

代码语言：javascript复制
alter ‘test’, METHOD => 'table_att_unset', NAME => 'coprocessor$1’

3、启动表    

代码语言：javascript复制
enable 'test'

八、HBase的协处理器总结

Hbase的协处理器主要有二大类: ObServer 和 Endpoint

  • ObServer: 可以将其看做是拦截器(过滤器 触发器), 可以基于这种协处理器对Hbase相关操作进行监控(钩子 Hook)
    • 例如: 监控用户插入到某个表操作, 插入之前要打印一句话
    • ObServer所提供一些类, 这些类可以监控到HBase中各种操作: 对数据的CURD 对表的CURD 对region的操作 对日志操作
    • ObServer能做什么事情?
      • 1) 记录操作日志
      • 2) 权限的管理
  • Endpoint: 可以看做数据库中存储过程,也可以看做在java代码中封装一个方法(功能), 将这个方法放置服务端, 让服务器进行执行操作, 客户端只需要拿到服务端执行结果即可
    • 作用: 执行一些聚合操作: 求和 求差 求最大 ....