HBase 集成 Phoenix 构建二级索引实践

Phoenix 在 HBase 生态系统中占据了很是重要的地位，本文主要包括如下几方面内容：

 

• Phoenix 介绍

• CDH HBase 集成 Phoenix

• 使用 Phoenix 建立 HBase 二级索引

• Phoenix 索引类型介绍

 

 

Phoenix 介绍

 

Phoenix 是构建在 HBase 之上的高效的 SQL 引擎，同时具有 OLTP 和 OLAP 能力，做为 HBase 生态系统中很是重要的组件，重点的特性包括：

 

• 底层存储基于 HBase，并提供一套标准的 JDBC API 做为 HBase SQL 层；

• 支持标准 SQL，以及完整 ACID 事务特性；

• 为 HBase 提供了二级索引解决方案；

 

此外，Phoenix 还和不少其余组件作了集成，好比 Spark、Hive、Flume 等。Phoenix 与 HBase 集成，其最大的特色就是为 HBase 提供了二级索引，后文会重点介绍。下图是 Phoenix 的基本架构：

 

CDH HBase 集成 Phoenix

版本说明

• 针对 CDH 平台，目前 Phoenix 官网主要提供了 Phoenix-4.14.0-cdh5.{11, 12, 13, 14}.2 版本的安装包，包括源码包、二进制 tar 安装包以及 parcel 安装包，能够根据本身集群 CDH 版本选择合适的 Phoenix-4.14.0 CDH 安装包，建议选择 parcel 包，下载地址：http://phoenix.apache.org/download.html；

• 高版本 CDH 安装 Phoenix 能够参考：产品 | Cloudera正式宣布在CDH中支持Apache Phoenix

• 低版本 CDH 能够选择安装 CLABS_Phoenix，最大支持 Phoenix 4.7.0，parcel 包下载地址：http://archive.cloudera.com/cloudera-labs/phoenix/parcels/

• 此外，用户还能够自行编译适合本身的Phoenix版本。

安装

首先到官网下载适合本身环境的 Parcel 安装包，并发布到 httpd 服务：

[root@hadoop-01 /var/www/html/phoenix/4.14.0]$ ll
total 300524
-rw-r--r-- 1 root root 307722240 Feb  3 19:30 APACHE_PHOENIX-4.14.0-cdh5.11.2.p0.3-el7.parcel
-rw-r--r-- 1 root root       178 Feb  3 19:28 APACHE_PHOENIX-4.14.0-cdh5.11.2.p0.3-el7.parcel.sha512
-rw-r--r-- 1 root root      5081 Feb  3 19:30 manifest.json

（可左右滑动）

 

而后配置成 CDH 远程 Parcel 存储库 url：

接下来下载，分配，激活完成安装便可。

配置

安装完 Phoenix 后，须要作一些必要配置才能使用 Phoenix，CDH HBase 配置界面配置以下两处：

1. hbase-site.xml 的 HBase 服务高级配置代码段（安全阀）

2. hbase-site.xml 的 HBase 客户端高级配置代码段（安全阀）

添加以下参数配置：

<!-- 二级索引支持 -->
<property>
  <name>hbase.regionserver.wal.codec</name>
  <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>
</property>

<!-- 命名空间映射开启，Phoenix4.8.0开始支持 -->
<property>
  <name>phoenix.schema.isNamespaceMappingEnabled</name>
  <value>true</value>
</property>
<property>
  <name>phoenix.schema.mapSystemTablesToNamespace</name>
  <value>true</value>
</property>

 

（可左右滑动）

而后，按照提示重启HBase服务并从新部署客户端配置便可。

命令行使用

CDH 安装后环境变量都已经配置好了，能够直接使用 phoenix-sqlline.py，以下：

[root@hadoop-01 ~]$ phoenix-
phoenix-performance.py  phoenix-psql.py         phoenix-sqlline.py      phoenix-utils.py

（可左右滑动）

执行 phoenix-sqlline.py 初始化使用 Phoenix：

而后咱们查看下 HBase 中 Phoenix 的系统表：

hbase(main):003:0> list
SYSTEM:CATALOG                                                                                                                                                                                                                              
SYSTEM:FUNCTION                                                                                                                                                                                                                             
SYSTEM:LOG                                                                                                                                                                                                                                  
SYSTEM:MUTEX                                                                                                                                                                                                                                
SYSTEM:SEQUENCE                                                                                                                                                                                                                             
SYSTEM:STATS

（可左右滑动）

接下来看一下如何在 Phoenix 中建立 HBase 表的二级索引。

 

使用 Phoenix 建立 HBase 二级索引

映射已存在的 HBase 表

1. 查看 HBase 表

当前 HBase 中存在一张操做日志表 ns1000:operate_log，数据量近280w，包括14个字段，以下：

hbase(main):017:0> count 'ns1000:operate_log', INTERVAL => 100000
...                                                                                                                                                                       
2799827 row(s) in 173.4200 seconds

=> 2799827
hbase(main):018:0> scan 'ns1000:operate_log', LIMIT => 1
ROW                                                          COLUMN+CELL                                                                                                                                                                    
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:appVersion, timestamp=1538216707892, value=2.22.0                                                                                                                     
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:area, timestamp=1538216707892, value=\xE6\xB1\x9F\xE5\x8C\x97\xE5\x8C\xBA                                                                                             
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:authId, timestamp=1538216707892, value=                                                                                                                               
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:city, timestamp=1538216707892, value=\xE9\x87\x8D\xE5\xBA\x86\xE5\xB8\x82                                                                                             
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:imei, timestamp=1538216707892, value=AF36147F-8106-47F0-B58F-A3FB75DBE325                                                                                             
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:lat, timestamp=1538216707892, value=29.577587127685547                                                                                                                
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:lon, timestamp=1538216707892, value=106.50493621826172                                                                                                                
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:memberType, timestamp=1538216707892, value=0                                                                                                                          
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:mobileManufacturer, timestamp=1538216707892, value=iPhone                                                                                                             
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:mobileModel, timestamp=1538216707892, value=iPhone 6 Plus                                                                                                             
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:province, timestamp=1538216707892, value=\xE9\x87\x8D\xE5\xBA\x86\xE5\xB8\x82                                                                                         
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:systemType, timestamp=1538216707892, value=1                                                                                                                          
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:systemVersion, timestamp=1538216707892, value=12.0                                                                                                                    
 \x00\x00\x12\x12\x00\x00\x00\x0D1538216707720               column=f:time, timestamp=1538216707892, value=1538216707720                                                                                                                    
1 row(s) in 0.0460 seconds

（可左右滑动）

2. Phoenix 中建立与 namespace 名称一致的 schema

0: jdbc:phoenix:> create schema if not exists "ns1000";
No rows affected (0.012 seconds)

（可左右滑动）

3. Phoenix 中建立视图，并查询数据及条数

0: jdbc:phoenix:> use "ns1000";
No rows affected (0.021 seconds)
0: jdbc:phoenix:> create view "operate_log"(
. . . . . . . . > "pk" varchar primary key,
. . . . . . . . > "f"."appVersion" varchar,
. . . . . . . . > "f"."city" varchar,
. . . . . . . . > "f"."lat" varchar,
. . . . . . . . > "f"."lon" varchar,
. . . . . . . . > "f"."memberType" varchar,
. . . . . . . . > "f"."time" varchar);
No rows affected (6.555 seconds)
0: jdbc:phoenix:> !tables
+------------+--------------+--------------+---------------+----------+------------+----------------------------+-----------------+--------------+-----------------+---------------+---------------+-----------------+------------+--------+
| TABLE_CAT  | TABLE_SCHEM  |  TABLE_NAME  |  TABLE_TYPE   | REMARKS  | TYPE_NAME  | SELF_REFERENCING_COL_NAME  | REF_GENERATION  | INDEX_STATE  | IMMUTABLE_ROWS  | SALT_BUCKETS  | MULTI_TENANT  | VIEW_STATEMENT  | VIEW_TYPE  | INDEX_ |
+------------+--------------+--------------+---------------+----------+------------+----------------------------+-----------------+--------------+-----------------+---------------+---------------+-----------------+------------+--------+
|            | SYSTEM       | CATALOG      | SYSTEM TABLE  |          |            |                            |                 |              | false           | null          | false         |                 |            |        |
|            | SYSTEM       | FUNCTION     | SYSTEM TABLE  |          |            |                            |                 |              | false           | null          | false         |                 |            |        |
|            | SYSTEM       | LOG          | SYSTEM TABLE  |          |            |                            |                 |              | true            | 32            | false         |                 |            |        |
|            | SYSTEM       | SEQUENCE     | SYSTEM TABLE  |          |            |                            |                 |              | false           | null          | false         |                 |            |        |
|            | SYSTEM       | STATS        | SYSTEM TABLE  |          |            |                            |                 |              | false           | null          | false         |                 |            |        |
|            | ns1000       | operate_log  | VIEW          |          |            |                            |                 |              | false           | null          | false         |                 | MAPPED     |        |
+------------+--------------+--------------+---------------+----------+------------+----------------------------+-----------------+--------------+-----------------+---------------+---------------+-----------------+------------+--------+
0: jdbc:phoenix:> !columns "operate_log";
+------------+--------------+--------------+--------------+------------+------------+--------------+----------------+-----------------+-----------------+-----------+----------+-------------+----------------+-------------------+--------+
| TABLE_CAT  | TABLE_SCHEM  |  TABLE_NAME  | COLUMN_NAME  | DATA_TYPE  | TYPE_NAME  | COLUMN_SIZE  | BUFFER_LENGTH  | DECIMAL_DIGITS  | NUM_PREC_RADIX  | NULLABLE  | REMARKS  | COLUMN_DEF  | SQL_DATA_TYPE  | SQL_DATETIME_SUB  | CHAR_O |
+------------+--------------+--------------+--------------+------------+------------+--------------+----------------+-----------------+-----------------+-----------+----------+-------------+----------------+-------------------+--------+
|            | ns1000       | operate_log  | pk           | 12         | VARCHAR    | null         | null           | null            | null            | 0         |          |             | null           | null              | null   |
|            | ns1000       | operate_log  | appVersion   | 12         | VARCHAR    | null         | null           | null            | null            | 1         |          |             | null           | null              | null   |
|            | ns1000       | operate_log  | city         | 12         | VARCHAR    | null         | null           | null            | null            | 1         |          |             | null           | null              | null   |
|            | ns1000       | operate_log  | lat          | 12         | VARCHAR    | null         | null           | null            | null            | 1         |          |             | null           | null              | null   |
|            | ns1000       | operate_log  | lon          | 12         | VARCHAR    | null         | null           | null            | null            | 1         |          |             | null           | null              | null   |
|            | ns1000       | operate_log  | memberType   | 12         | VARCHAR    | null         | null           | null            | null            | 1         |          |             | null           | null              | null   |
|            | ns1000       | operate_log  | time         | 12         | VARCHAR    | null         | null           | null            | null            | 1         |          |             | null           | null              | null   |
+------------+--------------+--------------+--------------+------------+------------+--------------+----------------+-----------------+-----------------+-----------+----------+-------------+----------------+-------------------+--------+
0: jdbc:phoenix:> select * from "operate_log" limit 1;
+------------------------+-------------+-------+---------------------+---------------------+-------------+----------------+
|           pk           | appVersion  | city  |         lat         |         lon         | memberType  |      time      |
+------------------------+-------------+-------+---------------------+---------------------+-------------+----------------+
1538216707720  | 2.22.0      | 重庆市   | 29.577587127685547  | 106.50493621826172  | 0           | 1538216707720  |
+------------------------+-------------+-------+---------------------+---------------------+-------------+----------------+
1 row selected (0.115 seconds)
0: jdbc:phoenix:> select count(*) from "operate_log";
+-----------+
| COUNT(1)  |
+-----------+
| 2799827   |
+-----------+
1 row selected (3.848 seconds)

（可左右滑动）

4. 根据字段 time 进行时间范围查询：

0: jdbc:phoenix:> select count(*) from "operate_log" where "f"."time" between '1538216707720' and '1538223834000';
+-----------+
| COUNT(1)  |
+-----------+
| 5883      |
+-----------+
1 row selected (5.241 seconds)

（可左右滑动）

这种状况下，基本上查询都在 5s 左右。

 

这里还要有两点说明：

• Phoenix 会自动将表名、字段名都转成大写，若是要区分大小写使用双引号括起来便可。

• 这里咱们建立的是视图，至关于外部表，也能够 create table 建立表，视图的特色是删除时不会删除 HBase 表，可是视图建立的二级索引不会自动更新，若是要实时更新的话，只能使用 create table，而后经过 Phoenix jdbc 的方式写入数据，只有经过 Phoenix 写，而后用 Phoenix 实现的协处理器才能实现实时更新的索引。

   

使用 Phoenix 建立二级索引

1. 使用 Phoenix 对 time 字段建立索引

0: jdbc:phoenix:> create index index_operate_log_time on "operate_log" ("f"."time");
2,799,827 rows affected (95.814 seconds)

 

（可左右滑动）

2. 再次根据 time 字段作范围查询

00: jdbc:phoenix:> select count(*) from "operate_log" where "f"."time" between '1538216707720' and '1538223834000';
+-----------+
| COUNT(1)  |
+-----------+
| 5883      |
+-----------+
1 row selected (0.049 seconds)

（可左右滑动）

这里基本上查询都在 50 ms 左右。这就是经过 Phoenix 的二级索引带来的性能提高。

 

Phoenix 索引类型介绍

 

Phoenix 提供了多种索引类型，包括覆盖索引、函数索引，以及全局索引与本地索引等，具体介绍以下。

Covered Indexes（覆盖索引）

覆盖索引是在索引表中直接存储某些经常使用字段，当查询时全部字段仅涉及索引表中包含的字段时，则无需再在基于 rowkey 索引的数据表中查询，提升了查询的效率。

 

好比，咱们在operate_log 表 "f"."time" 列上建立一个索引，并在索引中包含 "f"."lat", "f"."lon" 列：

0: jdbc:phoenix:> create index index_operate_log_time2 on "operate_log" ("f"."time") INCLUDE("f"."lat", "f"."lon");
2,799,827 rows affected (133.367 seconds)

（可左右滑动）

这样咱们作相似以下查询时就能够直接走索引表，以提升查询性能：

0: jdbc:phoenix:> select "f"."lat", "f"."lon" from "operate_log" where "f"."time" between '1538216707720' and '1538223834000' limit 10;

（可左右滑动）

Functional Indexes（函数索引）

函数索引是在 Phoeinx 4.3 版本以后新增的，它使得索引的创建不只仅只限于基于列，而可使用任意的表达式来建立索引，在查询时，如出现相同的表达式查询条件，则会自动优先检索索引表。

 

好比，咱们在operate_log 表上基于 substr ( "f"."time", 1, 10) 建立一个索引：

0: jdbc:phoenix:> create index index_operate_log_time3 on "operate_log" (substr("f"."time", 1, 10));
2,799,827 rows affected (94.74 seconds)

 

（可左右滑动）

这样建立索引后，咱们就可使用相同表达式走索引表进行查询优化了，好比：

0: jdbc:phoenix:> select count(*) from "operate_log" where substr("f"."time", 1, 10) between '1538216707' and '1538223834';
+-----------+
| COUNT(1)  |
+-----------+
| 5886      |
+-----------+
1 row selected (0.059 seconds)

 

（可左右滑动）

Global Indexes（全局索引）

上面的覆盖索引和函数索引都属于全局索引，也是 Phoenix 默认的索引建立模式。

 

全局索引将索引表和数据表分开存储，如以上例子中都会建立一张新的索引表，所以每条数据和其索引数据可能会分布在不一样的数据节点上，数据表的添加、删除和修改都会更新相关的索引表，因此写入数据时因为额外的网络开销会带来较大的性能消耗。而查询数据的时候，Phoenix 会经过索引表来快速低损耗的获取数据。所以全局索引更适合读多写少的使用场景。

Local Indexes（本地索引）

本地索引与全局索引相反，在 4.8.0 版本以后会将索引数据以特定的列簇存储在同一张数据表中，并经过特定的 rowkey 设置，将每条数据及其索引数据存储在同一 region 中，所以在数据写入时防止了额外的网络开销，而在读取数据时因没法提早判断索引数据的准确位置，则会在全部的 region 中检索索引数据，而很是影响读取性能。因此本地索引更适合于写多读少的使用场景。

 

本地索引只要在原来索引建立时增长 local 关键字便可，好比：

0: jdbc:phoenix:> create local index index_operate_log_time on "operate_log" ("f"."time");

 

（可左右滑动）

 

总结

 

Phoenix 是构建在 HBase 之上的 SQL 层，不只可以提供标准的 SQL 查询，还可以为 HBase 提供二级索引能力，在 HBase 使用场景中应用很是普遍。Phoenix 二级索引主要分为全局索引和本地索引，全局索引适合那些读多写少的场景，本地索引更适合那些写多读少的场景。判断是否走索引能够 explain SQL 查看具体执行计划。