一种HBase上Region级别的二级索引存储

我们会经常谈及二级索引，这是对全表数据进行另外一种方式的组织存储，是针对table级别的。如果要为HBase上的表实现一个强一致性的二级索引，那么就无法逃避分布式事务，而这一直是用户最期待的功能。 而即使只需要保证最终一致性，这个索引也并不好实现，因为你需要额外的表以存储过程数据，需要解决宕机恢复问题等

 

撇开分布式事务，我们是否可以考虑对索引的要求进行降级，比如把Region看成是全表下的子表，实现一套Region级别的索引，通过功能上的牺牲以换取实现的简易及稳定。

 

在某些存在用户概念的场景下，比如消费记录，我们总是会在确定的用户下，进行数据查找。这意味着，在此类场景中，我们只需要一个用户级别的索引。

 

举个例子，对于一笔交易记录，我们至少会有这么几个维度：

用户Id，交易时间，交易金额，交易状态(还会有交易名称，交易号ID，对方ID等)

 

当存储于HBase时，一般可以这么组织：

RowKey= 用户Id+交易时间

列1=交易金额

列2=交易状态

 

所以当我们要读取某个用户的在某段时间内的交易记录的时候，我们可以设置一个Scan：

startRow=用户Id+开始时间

stopRow=用户Id+结束时间

 

如果我们要增加查找条件，进行过滤，比如要读取某个用户在某段时间内交易状态为取消的交易记录，我们可以为上述Scan设置一个Filter，来过滤不符合查询条件的结果。

 

如果这是一个大商户，某段时间内的交易记录数巨多，通过设置Filter来过滤的方式就显得效率低下，开销巨大。

为了优化此类查找，业务只能自建索引表，可以如下组织：

RowKey= 用户Id+交易状态+交易时间

列1=交易金额

 

由此产生的问题时，当产生一笔交易记录的时候，我们需要向2张表中写入数据，不用说原子性，为了保证最终一致性，也得会花费不少的力气

 

彼之痛，己之痛，或许一个Region级别的索引存储能有一定的疗效。

 

什么是Region级别的索引存储

我们知道在HBase的结构中，一个Region可以包含多个Store，而索引存储则也是Region下面的一个Store，我们称其为Assistant Store，但它会有一些不同点：

a.Assistant Store中的数据由Regionserver按照用户配置的规则自动写入,是源数据的一份拷贝，但是拥有不同的组织方式

b.Assistant Store中的数据可以不遵守Region的Row范围限制

c.Assistant Store中的数据由用户主动选择读取（不会智能的自动利用）

d.Assistant Store中的数据在Split时，遵守与源数据对应的原则

(可以先看例子)

 

一个简单的例子

假设现在表只有一个Region，往表写入以下6行数据：

r1/c1:q1/v1
r2/c1:q1/v2
r3/c1:q1/v1
r4/c1:q1/v2
r5/c1:q1/v1
r6/c1:q1/v2

 

如果我们已为这个表配置了一个简单的索引存储，该Assistant Store命名为c2，那么除了上面的数据，Region中还会包含以下数据：

v1/c2:q1/r1
v1/c2:q1/r3
v1/c2:q1/r5
v2/c2:q1/r2 (在插入源数据的时候自动生成，存在Assistant Store中)
v2/c2:q1/r4
v2/c2:q1/r6

 

显然，这些是简单的倒置索引数据（可以由用户定义生成的数据如何组织），当你对表进行正常的scan时候，你只能见到源数据，即r1,r2,...,r6。 但是你可以通过某种方式，访问Assistant Store中的数据，即v1，v2，以加快条件查找

 

 

Region分裂处理

如果我们将上面这个例子中的Region进行Split，Split row为'r4',那么源数据就会被分落在两个子Region中，Daughter_A 和 Daughter_B;

Daughter_A 包含如下源数据：

r1/c1:q1/v1
r2/c1:q1/v2
r3/c1:q1/v1
 

Daughter_B 包含如下源数据：

r4/c1:q1/v2
r5/c1:q1/v1
r6/c1:q1/v2

 

Assistant Store中的生成数据会遵守与源数据对应的原则，

Daughter_A 的Assistant Store中的索引数据为：

v1/c2:q1/r1
v1/c2:q1/r3

v2/c2:q1/r2

 

Daughter_B 的Assistant Store中的索引数据为：

v1/c2:q1/r5
v2/c2:q1/r4

v2/c2:q1/r6

 

 

原子性和一致性

解决了数据组织的问题，我们来看看如何保证源数据和生成数据间的原子性和一致性。

从上面的例子描述中，我们知道，设置了索引存储后，当我们写入一行数据时，实际上会存储多行数据，但这多行数据都是在同个Region中，这意味着可以用一个本地事务解决这多行数据的事务写入。或许有些用户不知道，HBase-0.94版本早就实现了本地Region的多行事务。

 

 

回看Region级别的索引存储的特点

a.Assistant Store中的数据由Regionserver按照用户配置的规则自动写入,是源数据的一份拷贝，但是拥有不同的组织方式

 

用户可以通过扩展类Assistant，来生成自己定义的数据格式，存储到Assistant Store中,

比如对于r1/c1:q1/v1，你可以生成一行v1/c1:q1/r1, 也可以生成一行v1r1/c1:q1/r1，也可以生成多行，但是生成的数据有一个限制，就是value值必须为源数据中的row值，这是为了保证源数据与生成数据之间能对应起来，当Region进行分裂的时候，索引数据和源数据仍然是对应的

 

 

b.Assistant Store中的数据可以不遵守Region的Row范围限制

从上面的例子中，我们可以看出，Assistant Store中的数据的Row是由用户自定义的，所以其Row是任意的，不会在Region的Row范围内

 

c.Assistant Store中的数据由用户主动选择读取（不会智能的自动利用）

Assistant Store中的数据的写入用系统自动控制，但是目前的设计中，读取由用户主动发起

 

d.Assistant Store中的数据在Split时，遵守与源数据对应的原则

 

 

 

优劣分析

优点：

1.设计简单，实现方便

2.加速条件Scan ，提高效率

3.相比于不设置索引存储，写入性能几乎不受影响，因为多行数据只会写一次Log

（无论是分布式事务，或者用户自己写入多张表，都无法避免写入多行数据时要多次写Log）

 

缺点：

1.额外存储空间

2.相比于全局意义上的二级索引，使用上会有局限性

 

 

 

 

 

 

 

 

 

重新思考上面的交易记录的案例

如果有了Region级别的索引存储，我们可以为交易记录表设置1个或多个Assistant Store,

 

源数据的组织仍然同上：

RowKey= 用户Id+交易时间

列1=交易金额

列2=交易状态

 

Assistant Store中的数据组织为：

RowKey= 用户Id+交易状态+交易时间

列1=交易金额

 

 

虽然结构上和用户写多张表一样，但是不需要为解决原子性和一致性而烦恼。

 

当然细心的读者，会发现从Assistant Store中扫描出来的数据无法做到ordered by 源数据中的Row，要做到ordered by  Assistant Store中的Row也得花一定的力气。

 

 

 怎么使用索引存储？

功能的基本代码已开发完，可以见https://issues.apache.org/jira/browse/HBASE-8980

如何让目前的HBase用户平滑使用，也是一个不小的难题，主要是有这么几点。

 

1.API使用

按照目前的设计，用户需要通过Scan方式主动的去读取索引存储，示例

 

01	//从源数据的Row上 限制扫描范围

02	Scan scan = new Scan();

03	scan.setStartRow('r1');

04	scan.setStopRow('r7');

05

06	//创建在Assistant Store运行的Scan，从v2 到 v2+

07	Scan assistantScan = new Scan().setStartRow('v2').setStopRow('v2'+'(byte)0x00');

08	//设置这个以后，Region在解析的时候，会在Assistant Store上运行这个Scan

09	scan.setAssistantScan(assistantScan);

10

11	scanner = htable.getScanner(scan);

12	for(Result result:scanner){

13

//输出

14	v2/c2:q1/r2

15	v2/c2:q1/r4

16	v2/c2:q1/r6

17

}

 

2.Ordered by特性保证

目前实现中没有，准备后续再添加

 

3.已有数据的索引追加

目前实现中没有，准备后续再添加

 

评论

1 楼 jd2bs 2013-10-28  

华为有一个开源项目，貌似核心思想也是一致的，其核心思想是保证索引表和主表在同一个region server上。
http://www.dengchuanhua.com/167.html
https://github.com/Huawei-Hadoop/hindex