从零自学Hadoop(22)：HBase协处理器
阅读目录
本文版权归mephisto和博客园共有，欢迎转载，但须保留此段声明，并给出原文链接，谢谢合作。
文章是哥(mephisto)写的，SourceLink
序
上一篇，我们讲述了HBase的数据模型相关操作的下部分。
下面我们开始介绍HBase的协处理器部分。
介绍
一：介绍
从0.92版本开始，HBase加入了协处理器（coprocessors），利用协处理器，用户可以编写运行在 HBase Server 端的代码。可以实现“二级索引”，求和、计数、排序、过滤等server端操作。
二：类型
分两种 Observer和Endpoint 。
三：观察者(Observer)
Observer 协处理器类似于传统数据库中的触发器，当发生某些事件的时候这类协处理器会被 Server 端调用。Observer Coprocessor 就是一些散布在 HBase Server 端代码中的 hook 钩子，在固定的事件发生时被调用。比如：put 操作之前有钩子函数 prePut，该函数在 put 操作执行前会被 Region Server 调用；在 put 操作之后则有 postPut 钩子函数
四：终端(Endpoint)
Endpoint 协处理器类似传统数据库中的存储过程，客户端可以调用这些 Endpoint 协处理器执行一段 Server 端代码，并将 Server 端代码的结果返回给客户端进一步处理，最常见的用法就是进行聚集操作。如果没有协处理器，当用户需要找出一张表中的最大数据，即 max 聚合操作，就必须进行全表扫描，在客户端代码内遍历扫描结果，并执行求最大值的操作。这样的方法无法利用底层集群的并发能力，而将所有计算都集中到 Client 端统一执行，势必效率低下。利用 Coprocessor，用户可以将求最大值的代码部署到 HBase Server 端，HBase 将利用底层 cluster 的多个节点并发执行求最大值的操作。即在每个 Region 范围内执行求最大值的代码，将每个 Region 的最大值在 Region Server 端计算出，仅仅将该 max 值返回给客户端。在客户端进一步将多个 Region 的最大值进一步处理而找到其中的最大值。这样整体的执行效率就会提高很多。
Observer操作
一：说明
我们编写一个类，使每次put进来的数据都打印日志，用来测试observer coprocessor的机制。
二：编写协处理器工程
View Codepackage com.du.hbase.coprocessor; import java.io.IOException; import org.apache.hadoop.hbase.Cell; import org.apache.hadoop.hbase.CellScanner; import org.apache.hadoop.hbase.CellUtil; import org.apache.hadoop.hbase.client.Durability; import org.apache.hadoop.hbase.client.Put; 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.regionserver.wal.WALEdit; import org.apache.log4j.Logger; /** * @FileName : (CP_writelog.java) * * @description :协处理器写日志 * @author : Frank.Du * @version : Version No.1 * @create : 2016年12月8日 下午6:52:31 * @modify : 2016年12月8日 下午6:52:31 * @copyright : */ public class CP_writelog extends BaseRegionObserver { private static final Logger logger = Logger.getLogger(CP_writelog.class); @Override public void prePut(ObserverContext<RegionCoprocessorEnvironment> e, Put put, WALEdit edit, Durability durability) throws IOException { writeLog(put); super.prePut(e, put, edit, durability); } /** * 写log * * @param put * @throws IOException */ private void writeLog(Put put) { try { logger.info("writehdfs : is begining"); CellScanner cellScanner = put.cellScanner(); StringBuilder sb = new StringBuilder(); while (cellScanner.advance()) { Cell current = cellScanner.current(); String fieldName = new String(CellUtil.cloneQualifier(current), "utf-8"); String fieldValue = new String(CellUtil.cloneValue(current), "utf-8"); String fieldRow = new String(CellUtil.cloneRow(current), "utf-8"); String fieldFamilyCell = new String( CellUtil.cloneFamily(current), "utf-8"); String info = "fieldName:" + fieldName + " fieldValue:" + fieldValue + " fieldRow:" + fieldRow + " fieldFamilyCell:" + fieldFamilyCell; sb.append(info); } logger.info("writehdfs : info:" + sb.toString()); } catch (IOException e) { logger.error(e.getMessage()); } } }三：使用maven打包程序
由于打包的jar包名字太长，将jar包改成hbase-cp.jar
四：将文件上传到linux本地系统
put 'table1','row1','cf3:a','aa2'通过xshell工具，将协处理程序上传到linux服务器下。
五：将本地文件上传到hdfs文件系统中
sudo -uhdfs hadoop fs -copyFromLocal hbase-cp.jar /user/hbase-cp.jar
六：进入hbase shell
hbase shell
七：查看table1的表信息
desc 'table1'
由此可见，该表没有设置协处理器。
八：添加协处理器
alter 'table1','coprocessor'=>'hdfs://master4:8020/user/hbase-cp.jar|com.du.hbase.coprocessor.CP_writelog|1001'中间一段为协处理的jar包和类名
最后一段数字为权值，权值越小，协处理器的执行越靠前九：查看table1的表信息
desc 'table1'
可以看到该表已经设置了协处理器。
十：查看该表所在RegionServer
打开网页http://master4:16010/master-status
点击进去
可以看到regionserver是master4。
十一：查看日志
进入对应regionserver
cd /var/log/hbase/查看日志
tail -2000f hbase-hbase-regionserver-master4.log
十二：插入数据
put 'table1','row11','cf1:a','v11'在插入数据的过程中。我们同时看下日志
可以看到我们插入的数据，在日志里打印出来了。
十三：删除协处理器
alter 'table1',METHOD=>'table_att_unset' ,NAME=>'coprocessor$1'
--------------------------------------------------------------------
到此，本章节的内容讲述完毕。
示例下载
github：https://github.com/sinodzh/HadoopExample/tree/master/2016/hbase
系列索引
本文版权归mephisto和博客园共有，欢迎转载，但须保留此段声明，并给出原文链接，谢谢合作。
文章是哥(mephisto)写的，SourceLink
