基于Solr实现HBase的二级索引

文章来源：http://www.open-open.com/lib/view/open1421501717312.html

实现目的：

　　由于hbase基于行健有序存储，在查询时使用行健十分高效，然后想要实现关系型数据库那样可以随意组合的多条件查询、查询总记录数、分页等就比较麻烦了。想要实现这样的功能,我们可以采用两种方法:

使用hbase提供的filter,
自己实现二级索引,通过二级索引查询多符合条件的行健,然后再查询hbase.

　　第一种方法不多说了,使用起来很方便,但是局限性也很大,hbase的filter是直接扫记录的,如果数据范围很大,会导致查询速度很慢.
　　所以如果能先使用行健把记录缩小到一个较小范围,那么就比较适合,否则就不适用了.此外该方法不能解决获取总数的为.

　　第二种是适用范围就比较广泛了,不过根据实现二级索引的方式解决的问题也不同.这里我们选择solr主要是因为solr可以很轻松实现各种查询(本来就是全文检索引擎).

实现思路：

　　其实hbase结合solr实现方法还是比较简单的,重点在于一些实现细节上.

　　将hbase记录写入solr的关键就在于hbase提供的Coprocessor,Coprocessor提供了两个实现:endpoint和observer,
　　endpoint相当于关系型数据库的存储过程,而observer则相当于触发器.说到这相信大家应该就明白了,我们要利用的就是observer.
　　observer允许我们在记录put前后做一些处理,而我们就是通过postPut将记录同步写入solr(关于Coprocessor具体内容请自行查资料).

　　而写入solr这块就比较简单了,主要是要考虑性能!默认情况下hbase每写一条数据就会向出发一次postPut,
　　如果直接提交个solr,速度会非常慢,而且如果有异常处理起来也会非常的麻烦.因此要自己实现一个本地可持久化的队列,通过后台线程异步向向solr提交.

限制：不能单独删除指定的列簇(${Family}),必须是删除行(Row),或者删除指定的列(${Family}#${Qualifier})!

部署：

在Solr的schema.xml文件里必须有如下动态字段:

<dynamicField name="*_i"  type="int"    indexed="true"  stored="true"/>

   <dynamicField name="*_l"  type="long"   indexed="true"  stored="true"/>

   <dynamicField name="*_f"  type="float"  indexed="true"  stored="true"/>

   <dynamicField name="*_d"  type="double" indexed="true"  stored="true"/>

   <dynamicField name="*_b"  type="boolean" indexed="true" stored="true"/>

   <dynamicField name="*_s"  type="string"  indexed="true"  stored="true" />

   <dynamicField name="*_t"  type="text_general"    indexed="true"  stored="true"/>

   <dynamicField name="*_dt"  type="date"    indexed="true"  stored="true"/>

　　solr里的每一条Dcoument对应HBase表里的一条记录
　　每一条Dcoument里缺省都会有4个字段:
　　id格式是:${TableName}#${RowKey}
　　t_s格式是:${TableName}
　　r_s格式是:${RowKey}
　　u_dt格式是:${d当前更新时的日期和时间}
　　其他字段格式是:${Family}#${Qualifier}
　　如果HBase表里的字段需要在solr里索引,那么Qualifier设计为已_(i|l|f|d|b|s|t|dt)结尾的solr动态字段!

停止HBase:

在master hbase server上执行:

${HBASE_HOME}/bin/stop-hbase.sh

修改所有`Region Servers`的`$(HBASE_HOME}/conf/hbase-site.xml`配置文件：

在最后添加:

<!-- 调试时,将hbase的hbase.coprocessor.abortonerror设置成true,待确定Coprocessor运行正常后在改为false.

  此步骤非必要,但是如果Coprocessor有问题会导致所有Region Server无法启动!

  -->

  <property>

    <name>hbase.coprocessor.abortonerror</name>

    <value>true</value>

  </property>

  <!-- Solr Coprocessor -->

  <property>

    <name>hbase.coprocessor.region.classes</name>

    <value>wjw.hbase.solr.SolrRegionObserver</value>

  </property>

  <!-- 本地保存Queue的目录名,没有时使用:System.getProperty("java.io.tmpdir")得来的值  -->

  <property>

    <name>hbase.solr.queueDir</name>

    <value>/tmp</value>

  </property>

  <!-- Solr的URL,多个以逗号分隔 -->

  <property>

    <name>hbase.solr.solrUrl</name>

    <value>http://${solrHost1}:8983/solr/,http://${solrHost2}:8983/solr/</value>

  </property>

  <!-- core名字  -->

  <property>

    <name>hbase.solr.coreName</name>

    <value>hbase</value>

  </property>

  <!-- 连接超时(秒) -->

  <property>

    <name>hbase.solr.connectTimeout</name>

    <value>60</value>

  </property>

  <!-- 读超时(秒) -->

  <property>

    <name>hbase.solr.readTimeout</name>

    <value>60</value>

  </property>

启动HBase:

在master hbase server上执行:

${HBASE_HOME}/bin/start-hbase.sh

测试:

/opt/hbase/bin/hbase shell

>status

>create 'demotable','col'

>describe  'demotable'

>list 'demotable'

>put 'demotable','myrow-1','col:q1','value-1'

>put 'demotable','myrow-1','col:q2_s','value-2-测试'

>put 'demotable','myrow-1','col:name_t','张三 李四 王五'

>put 'demotable','myrow-1','col:q3_s','value-3-测试'

>scan 'demotable'