hbase的计数器

需求：

每天会增量导入一批用户的uuid列表数据，也许会有几千万。计算这些用户的留存率的时候要与昨天的uuid列表做join取交集得到数量。当然join的效率是很低的。

所以考虑存hbase，设计成宽表，一张表存60个列，分别是第一天到第60天。拿到每天的uuid时候存入hbase，rowkey是accountId+appId+年月+uuid，当rowdy不存在时新增一条数据，当rowkey相同时，在天的列表上新增一列。这样查询的时候指定rowkey范围，根据列过滤就能得到统计出的数值。

而且还方便查询出近30日的活跃人数（去重后的uuid），先在第一张表插入30列，待插入第31列的时候，同时向第二张表插入1列数据。当第二张表的列数达到30之后，第一张表就不再插入新的列了。这样能统计出任意一天的前三十天活跃用户数。

1.起因(Why HBase  Coprocessor)

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。

2.灵感来源( Source of Inspration)

HBase协处理器的灵感来自于Jeff Dean 09年的演讲( P66-67)。它根据该演讲实现了类似于bigtable的协处理器，包括以下特性:

• 每个表服务器的任意子表都可以运行代码
• 客户端的高层调用接口(客户端能够直接访问数据表的行地址，多行读写会自动分片成多个并行的RPC调用)
• 提供一个非常灵活的、可用于建立分布式服务的数据模型
• 能够自动化扩展、负载均衡、应用请求路由

HBase的协处理器灵感来自bigtable，但是实现细节不尽相同。HBase建立了一个框架，它为用户提供类库和运行时环境，使得他们的代码能够在HBase region server和master上处理。

3.细节剖析（Implementation)

协处理器分两种类型，系统协处理器可以全局导入region server上的所有数据表，表协处理器即是用户可以指定一张表使用协处理器。协处理器框架为了更好支持其行为的灵活性，提供了两个不同方面的插件。一个是观察者（observer），类似于关系数据库的触发器。另一个是终端(endpoint)，动态的终端有点像存储过程。

 3.1观察者(Observer)

观察者的设计意图是允许用户通过插入代码来重载协处理器框架的upcall方法，而具体的事件触发的callback方法由HBase的核心代码来执行。协处理器框架处理所有的callback调用细节，协处理器自身只需要插入添加或者改变的功能。

以HBase0.92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。

这些接口可以同时使用在同一个地方，按照不同优先级顺序执行.用户可以任意基于协处理器实现复杂的HBase功能层。HBase有很多种事件可以触发观察者方法，这些事件与方法从HBase0.92版本起，都会集成在HBase API中。不过这些API可能会由于各种原因有所改动，不同版本的接口改动比较大，具体参考Java Doc。

RegionObserver工作原理，如图1所示。更多关于Observer细节请参见HBaseBook的第9.6.3章节。

图1 RegionObserver工作原理

 

3.2终端(Endpoint)

终端是动态RPC插件的接口，它的实现代码被安装在服务器端，从而能够通过HBase RPC唤醒。客户端类库提供了非常方便的方法来调用这些动态接口，它们可以在任意时候调用一个终端，它们的实现代码会被目标region远程执行，结果会返回到终端。用户可以结合使用这些强大的插件接口，为HBase添加全新的特性。终端的使用，如下面流程所示：

1. 定义一个新的protocol接口，必须继承CoprocessorProtocol.
2. 实现终端接口，该实现会被导入region环境执行。
3. 继承抽象类BaseEndpointCoprocessor.
4. 在客户端，终端可以被两个新的HBase Client API调用 。单个region：HTableInterface.coprocessorProxy(Class<T> protocol, byte[] row) 。rigons区域：HTableInterface.coprocessorExec(Class<T> protocol, byte[] startKey, byte[] endKey, Batch.Call<T,R> callable)

整体的终端调用过程范例，如图2所示：

图2 终端调用过程范例

4.编程实践(Code Example)

在该实例中，我们通过计算HBase表中行数的一个实例，来真实感受协处理器 的方便和强大。在旧版的HBase我们需要编写MapReduce代码来汇总数据表中的行数，在0.92以上的版本HBase中，只需要编写客户端的代码即可实现，非常适合用在WebService的封装上。

4.1启用协处理器 Aggregation(Enable Coprocessor Aggregation)

我们有两个方法：1.启动全局aggregation，能过操纵所有的表上的数据。通过修改hbase-site.xml这个文件来实现，只需要添加如下代码：

<property>   <name>hbase.coprocessor.user.region.classes</name>   <value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value> </property>

2.启用表aggregation，只对特定的表生效。通过HBase Shell 来实现。

(1)disable指定表。hbase> disable 'tableName'

(2)添加aggregation hbase> alter 'tableName', METHOD => 'table_att','coprocessor'=>'|org.apache.hadoop.hbase.coprocessor.AggregateImplementation||'

(3)重启指定表 hbase> enable 'mytable'

4.2统计行数代码(Code Snippet)

public class MyAggregationClient { private static final byte[] TABLE_NAME = Bytes.toBytes("mytable");private static final byte[] CF = Bytes.toBytes("vent");public static void main(String[] args) throws Throwable {Configuration customConf = new Configuration();customConf.setStrings("hbase.zookeeper.quorum","node0,node1,node2");//提高RPC通信时长customConf.setLong("hbase.rpc.timeout", 600000);//设置Scan缓存customConf.setLong("hbase.client.scanner.caching", 1000);Configuration configuration = HBaseConfiguration.create(customConf);AggregationClient aggregationClient = new AggregationClient(configuration);Scan scan = new Scan();//指定扫描列族，唯一值scan.addFamily(CF);long rowCount = aggregationClient.rowCount(TABLE_NAME, null, scan);System.out.println("row count is " + rowCount);}}

以下是关于Observer程序示例的补充：

4.编程实践(Code Example)

4.3 RegionObserverExample （此例来自《HBase: The Definitive Guide》)

//新实现的类须继承BaseRegionObserver类

package hbaseCoprocessor;

import java.io.IOException;  

import java.util.List;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.hbase.HBaseConfiguration;

import org.apache.hadoop.hbase.KeyValue;  

import org.apache.hadoop.hbase.client.Get;  

import org.apache.hadoop.hbase.client.HTable;

import org.apache.hadoop.hbase.client.Result;

import org.apache.hadoop.hbase.coprocessor.BaseRegionObserver;  

import org.apache.hadoop.hbase.coprocessor.ObserverContext;  

import org.apache.hadoop.hbase.coprocessor.RegionCoprocessorEnvironment;  

import org.apache.hadoop.hbase.util.Bytes;  

  

public class RegionObserverExample extends  

    BaseRegionObserver {  

      

    public static final byte[] FIXED_ROW =  

            Bytes.toBytes("@@@GETTIME@@@");

    public static String tablename = "table";

    public static String rowkey = "rowkey";

    @Override  

    public void preGet(  

            final ObserverContext<RegionCoprocessorEnvironment> e,  

            final Get get, final List<KeyValue> results) throws  

            IOException {  

                //if (Bytes.equals(get.getRow(), FIXED_ROW)) {   //书中原来的功能是如果查询的row为FIXED_ROW时，在结果返回系统时间

                    KeyValue kv = new KeyValue(get.getRow(), FIXED_ROW,  

                            FIXED_ROW,  

                            Bytes.toBytes(System.currentTimeMillis()));  

                    results.add(kv);  

                //}  

    }  

  public static void selectRow(String tablename, String rowKey)

    throws IOException {

      Configuration config = HBaseConfiguration.create();

      HTable table =new HTable(config, tablename);

      Get g =new Get(rowKey.getBytes());

      Result rs = table.get(g);

      for (KeyValue kv : rs.raw()) {

        System.out.print(new String(kv.getRow()) +" ");

        System.out.print(new String(kv.getFamily()) +":");

        System.out.print(new String(kv.getQualifier()) +" ");

        System.out.println(new String(kv.getValue()));

      }

      table.close();

  }

  public static void main(String args[]){  

    try {

      selectRow( tablename, rowkey);

    } catch (IOException e) {

      e.printStackTrace();

    }

    System.out.println("sucess!");  

  }    

}  

1.编译通过后,将该类打包成jar文件(如test.jar),并copy到各regionserver的安装目录下，

2 利用shell命令加载此coprocessor到特定表上: alter 't1', METHOD => 'table_att', 'coprocessor'=>'test.jar|hbaseCoprocessor.RegionObserverExample|1001|'.

3 然后在客户端执行上面的程序，即可得到预期结果。

4 一个疑问，根据参考资料中说明，可以将jar文件上传到hdfs中(命令如下)，再加载到表上，但我并没有成功。

 alter 't1', METHOD => 'table_att', 'coprocessor'=>'hdfs:///test.jar|hbaseCoprocessor.RegionObserverExample|1001|'.

ps:经过尝试，可以将路径写完整，即：

alter 't1', METHOD => 'table_att', 'coprocessor'=>'hdfs://nnip:9000/test.jar|hbaseCoprocessor.RegionObserverExample|1001|'.

根据自己NN的配置，将上面的nnip修改即可正确运行cp.

5 删除一个coprocessor的shell命令:alter 't1', METHOD => 'table_att_unset',NAME => 'coprocessor$1'

参考资料：

https://blogs.apache.org/hbase/entry/coprocessor_introduction

HBase: The Definitive Guide