通过HBase Observer同步数据到ElasticSearch
Observer希望解决的问题
众所周知，HBase是一个分布式的存储体系，数据按照RowKey分成不同的Region，再分配给RegionServer管理。但是RegionServer只承担了存储的功能，如果Region能拥有一部分的计算能力，从而实现一个HBase框架上的MapReduce，那HBase的操作性能将进一步提升。正是为了解决这一问题，HBase 0.92版本后推出了Coprocessor — 协处理器，一个工作在Master/RegionServer中的框架，能运行用户的代码，从而灵活地完成分布式数据处理的任务。
Coprocessor包含两个组件，一个是EndPoint（类似关系型数据库的存储过程），用以加快特定查询的响应，另一个就是Observer（类似关系型数据库的触发器）。Observer也分为几个类型，其中RegionObserver提供了一组表数据操作的钩子函数，覆盖了Get、Put、Scan、Delete等操作（通常有pre和post两种情况，表示在操作发生之前或发生之后），我们可以通过重载这些钩子函数，利用RegionServer实现特定的数据处理需求。
应用场景
我们在同一批主机上同时建立了一个HBase集群和一个ElasticSearch集群，然后存储到HBase的数据必须实时地同步到ElasticSearch。而恰好HBase和ElasticSearch都没有更新的概念，我们的需求可以简化为两步：
- 当一个新的Put操作产生时，将Put数据转化为json，索引到ElasticSearch，并把RowKey作为新文档的ID
- 当一个新的Delete操作产生时，获取Delete数据的RowKey，删除ElasticSearch中对应的ID
Java实现
Observer的Java实现并不复杂，只需要继承 BaseRegionObserver 的基类，然后重载 postPut 和 postDelete 两个函数。考虑到未来HBase的写入比较频繁，我们利用ElasticSearch的 Bulk API 做了一层缓冲，不是每次提交HBase数据都触发索引操作，而是积累到一定数量或者到达一定时间间隔才去批量操作，从而降低了RegionServer的网络I/O压力。
完整项目请参见： HBaseObserver
Observer的部署
Observer提供了两种部署方式：
- 全局部署。把jar包的路径加入HBASE_CLASSPATH并且修改
hbase-site.xml，这样Observer会对每一个表都生效。 - 单表部署。通过HBase Shell修改表结构，加入coprocessor信息。
显然后一种更加灵活。通过HBase Shell安装Observer的详细步骤如下：
- 把Java项目打包为jar包，上传到HDFS的特定路径
- 进入HBase Shell，disable你希望加载的表
- 通过以下指令激活Observer：
alter 'table_name' , METHOD => ' table_att ', ' coprocessor ' => ' hdfs : ///your/jar/path/on/hdfs|com.foo.bar|1001|arg1=1,arg2=2'
coprocessor对应的格式以 | 分隔，依次为：
- jar包的HDFS路径
- Observer的主类
- 优先级（一般不用改）
- 参数（一般不用改）
新安装的coprocessor会自动生成名称：coprocessor + $ + 序号（通过 describe table_name 可查看）
因为一张表可能拥有多个coprocessor，卸载coprocessor需要输入对应的coprocessor名称，比如：
alter 'table_name' , METHOD => ' table_att_unset ', NAME => ' coprocessor $1'
需要注意的是，HBase Observer的部署有一个大坑：
修改Java代码后，上传到HDFS的jar包文件必须和之前不一样，否则就算卸载掉原有的coprocessor再重新安装也不能生效
正文到此结束
热门推荐
相关文章
近期评论
-
666
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
