Hbase-二级索引 Hbase+Hbase-indexer+solr （CDH）
最近一段时间工作涉及到hbase sql查询和可视化展示的工作，hbase作为列存储，数据单一为二进制数组，本身就不擅长sql查询；而且有hive来作为补充作为sql查询和存储，但是皮皮虾需要低延迟的sql及复杂sql的查询（根据值查找数据的情况），这就要用到hbase的二级索引。这里的二级索引方式采用的 Hbase+Hbase-indexer+solr ，还有Phoenix等方式。
原理：该架构HBase作为底层存储；HBase-indexer创建二级索引，会将HBase中的列隐射到solr中作为索引数据；Solr集合中直接查询数据。当数据写入HBase时，操作默认会先写入HLog中，HBase-indexer一直监控着HLog数据，将HLog中的写入数据同步到Solr中。还没去测试删除和修改数据能不能同步到Solr，测试后再来说。
优势：Solr将索引数据存储再Solr服务器中与HBase隔离，当HBase宕机后，依旧能查询数据。
缺点：每创建一张HBase表就需要去Hbase-indexer与solr中添加索引配置，比较麻烦。而且Hbase-indexer早已经不更新了，所以需要使用CDH版本的中的各类安装包。
一、资源安装
安装包如下：
基本环境：
OS：CentOS7.x-x86_64
JDK：jdk1.8
hadoop-2.6.0+cdh5.16.2
hbase-solr-1.5+cdh5.16.2
solr-4.10.3-cdh5.16.2
zookeeper-3.4.5-cdh5.16.2
hbase-1.0.0-cdh5.16.2
CDH版本保持相同就ok节点部署如下：
解压缩hbase-solr-1.5+cdh5.16.2的tarball，在 hbase-solr-1.5-cdh5.16.2\hbase-indexer-dist\target 下找到hbase-indexer-1.5-cdh5.16.2.tar.gz，后面会用到。
二、部署hbase-indexer
将hbase-indexer安装部署到hbase分配的HRegionServer上用于同步数据
修改hbase-indexer的参数：关联zookeeper
vim hbase-indexer-1.5-cdh5.16.2/conf/hbase-indexer-site.xml
<?xml version="1.0"?>
<configuration>
<property>
<name>hbaseindexer.zookeeper.connectstring</name>
<!--此处需根据zookeeper集群的实际配置修改-->
<value>node1:2181,node2:2181,node3:2181</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<!--此处需根据zookeeper集群的实际配置修改-->
<value>node1,node2,node3</value>
</property>
</configuration>
配置hbase-indexer-env.sh:关联java
vim hbase-indexer-1.5-cdh5.16.2/conf/hbase-indexer-env.sh
# Set environment variables here.
# This script sets variables multiple times over the course of starting an hbase-indexer process,
# so try to keep things idempotent unless you want to take an even deeper look
# into the startup scripts (bin/hbase-indexer, etc.)
# The java implementation to use. Java 1.6 required.
export JAVA_HOME=/usr/java/jdk1.8.0/
#根据实际环境修改
三、Hbase的一些注意事项
修改hbase-site.xml，添加副本设置。
<property>
<name>hbase.replication</name>
<value>true</value>
<description>SEP is basically replication, so enable it</description>
</property>
<property>
<name>replication.source.ratio</name>
<value>1.0</value>
<description>Source ratio of 100% makes sure that each SEP consumer is actually used (otherwise, some can sit idle, especially with small clusters)</description>
</property>
<property>
<name>replication.source.nb.capacity</name>
<value>1000</value>
<description>Maximum number of hlog entries to replicate in one go. If this is large, and a consumer takes a while to process the events, the HBase rpc call will time out.</description>
</property>
<property>
<name>replication.replicationsource.implementation</name>
<value>com.ngdata.sep.impl.SepReplicationSource</value>
<description>A custom replication source that fixes a few things and adds some functionality (doesn't interfere with normal replication usage).</description>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>node1,node2,node3</value>
<description>The directory shared by RegionServers</description>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<!--注意这里配置的是zookeeper集群的数据目录，参照zookeeper的zoo.cfg-->
<value>/home/HBasetest/zookeeperdata</value>
<description>Property from ZooKeeper's config zoo.cfg.
The directory where the snapshot is stored.
</description>
</property>修改hbase-env.sh添加Javahome与Hbasehome
export JAVA_HOME=/opt/jdk1.8.0_79
export HBASE_HOME=/home/HBasetest/hbase-1.0.0-cdh5.16.2将hbase-indexer/lib目录下的这4个文件赋值到hbase/lib目录下：
hbase-sep-api-1.5-cdh5.16.2.jar
hbase-sep-impl-1.5-hbase1.0-cdh5.16.2.jar
hbase-sep-impl-common-1.5-cdh5.16.2.jar
hbase-sep-tools-1.5-cdh5.16.2.jar配置regionservers：
node2
node3
四、测试
1.运行HBase
在node1上执行：
./hbase-1.0.0-cdh5.16.2/bin/start-hbase.sh
2.运行HBase-indexer
分别在node2和node3上执行：
./hbase-indexer-1.5-cdh5.16.2/bin/hbase-indexer server
如果想以后台方式运行，可以使用screen或者nohup
3.运行Solr
分别在node1上进入solr下面的example子目录，执行：
java -Dbootstrap_confdir=./solr/collection1/conf -Dcollection.configName=myconf -DzkHost=node1:2181,node3:2181,node4:2181/solr -jar start.jar
同样，如果想以后台方式运行，可以使用screen或者nohup
使用http://node1:8983/solr/#/访问solr的主页
五、数据索引测试
将Hadoop集群、HBase、HBase-Indexer、Solr都跑起来之后，首先用HBase创建一个数据表：
在任一node上的HBase安装目录下运行：
./bin/hbase shell
create 'indexdemo-user', { NAME => 'info', REPLICATION_SCOPE => '1' }
在部署了HBase-Indexer的节点上，进入HBase-Indexer部署目录，使用HBase-Indexer的demo下的配置文件创建一个索引：
创建索引
./bin/hbase-indexer add-indexer -n myindexer -c .demo/user_indexer.xml -cp solr.zk=node1:2181,node2:2181,node3:2181/solr -cp solr.collection=collection1
查看索引
./hbase-indexer list-indexers -dump
删除索引
./hbase-indexer delete-indexer --name 'indexer_vip'编辑hbase-indexer-1.5-cdh5.4.1/demo/下的字段定义文件：
<?xml version="1.0"?>
<indexer table="indexdemo-user">
<field name="firstname_s" value="info:firstname"/>
<field name="lastname_s" value="info:lastname"/>
<field name="age_i" value="info:age" type="int"/>
</indexer>
保存为indexdemo-indexer.xml
solr中也需要添加映射：
这些字段solr中的schema.xml中已经有了，不需要重复写入。但是需要注意其中required 配置为true，则必须传入，否则报错。
vim solr-4.10/example/solr/collection1/conf/schema.xml
<field name="firstname_s" type="string" indexed="true" stored="true" required="false" multiValued="false" />
<field name="lastname_s" type="string" indexed="true" stored="true" required="false" multiValued="false" />
<field name="age_i" type="string" indexed="true" stored="true" required="true" multiValued="false" />
添加indexer实例
在hbase-indexer-1.5-cdh5.4.1/demo下运行：
bin/hbase-indexer add-indexer -n myindexer -c demo/user_indexer.xml -cp solr.zk=flzxldyjdata1:2181,flzxldyjdata2:2181,flzxldyjdata3:2181,flzxldyjdata4:2181,flzxldyjdata5:2181/solr -cp solr.collection=collection1六、javaApi
依赖包：
<dependency>
<groupId>org.apache.solr</groupId>
<artifactId>solr-solrj</artifactId>
<version>4.10.3</version>
</dependency>
package com.ultrapower.hbase.solrhbase;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.KeyValue;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.ResultScanner;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.solr.client.solrj.SolrServerException;
import org.apache.solr.client.solrj.impl.HttpSolrServer;
import org.apache.solr.common.SolrInputDocument;
public class SolrIndexer {
/**
* @param args
* @throws IOException
* @throws SolrServerException
*/
public static void main(String[] args) throws IOException,
SolrServerException {
final Configuration conf;
HttpSolrServer solrServer = new HttpSolrServer(
"http://192.168.1.10:8983/solr"); // 因为服务端是用的Solr自带的jetty容器，默认端口号是8983
conf = HBaseConfiguration.create();
HTable table = new HTable(conf, "hb_app_xxxxxx"); // 这里指定HBase表名称
Scan scan = new Scan();
scan.addFamily(Bytes.toBytes("d")); // 这里指定HBase表的列族
scan.setCaching(500);
scan.setCacheBlocks(false);
ResultScanner ss = table.getScanner(scan);
System.out.println("start ...");
int i = 0;
try {
for (Result r : ss) {
SolrInputDocument solrDoc = new SolrInputDocument();
solrDoc.addField("rowkey", new String(r.getRow()));
for (KeyValue kv : r.raw()) {
String fieldName = new String(kv.getQualifier());
String fieldValue = new String(kv.getValue());
if (fieldName.equalsIgnoreCase("time")
|| fieldName.equalsIgnoreCase("tebid")
|| fieldName.equalsIgnoreCase("tetid")
|| fieldName.equalsIgnoreCase("puid")
|| fieldName.equalsIgnoreCase("mgcvid")
|| fieldName.equalsIgnoreCase("mtcvid")
|| fieldName.equalsIgnoreCase("smaid")
|| fieldName.equalsIgnoreCase("mtlkid")) {
solrDoc.addField(fieldName, fieldValue);
}
}
solrServer.add(solrDoc);
solrServer.commit(true, true, true);
i = i + 1;
System.out.println("已经成功处理 " + i + " 条数据");
}
ss.close();
table.close();
System.out.println("done !");
} catch (IOException e) {
} finally {
ss.close();
table.close();
System.out.println("erro !");
}
}
}
七 待优化
hbase-index同步到solr看日志很快就同步过去了。但是页面不显示，难道是到达一定数据量或者时间才显示？同步都同步了干嘛不显示- -，抽空看一下。
参考了下：https://www.jianshu.com/p/a4657a06b09f
果然，solr是通过数据量和时间进行同步跟新的，有两个条件可以设置提交触发。配置在solrConfig.xml文件中：
这里有两种提交方式，硬提交：当满足任意条件会立刻将数据同步到磁盘，开启新搜索器前会堵塞。
<autoCommit>
<!--最大文档数量-->
<maxDocs>1000</maxDocs>
<!--最大间隔时间-->
<maxTime>${solr.autoCommit.maxTime:300000}</maxTime>
<!--提交后是否开启新搜索器-->
<openSearcher>false</openSearcher>
</autoCommit>还有一种软提交，它可以满足后进行实时自动提交功能：
<autoSoftCommit>
<maxDocs>1000</maxDocs>
<maxTime>${solr.autoSoftCommit.maxTime:30000}</maxTime>
</autoSoftCommit>如果服务经常无缘无故崩溃，有可能是java堆栈设置过小，设置资源管理中的Lily HBase Indexer Default Group 为1G以上会更好一些
待续~
