1. 起源

Hbase 作為列族數據庫最經常被人詬病的特性包括：無法輕易建立“二級索引”，難以執行求和、計數、排序等操作。

比如，在舊版本的(<0.92)Hbase 中，統計數據表的總行數，需要使用 Counter 方法，執行一次 MapReduce Job 才能得到。

雖然 HBase 在數據存儲層中集成了 MapReduce，能夠有效用于數據表的分布式計算。然而在很多情況下，做一些簡單的相加或者聚合計算的時候， 如果直接將計算過程放置在 server 端，能夠減少通訊開銷，從而獲得很好的性能提升。于是， HBase 在 0.92 之后引入了協處理器(coprocessors)，實現一些激動人心的新特性：能夠輕易建立二次索引、復雜過濾器(謂詞下推)以及訪問控制等。

2. 協處理器有兩種： observer 和 endpoint

1) observer 協處理器

Observer 類似于傳統數據庫中的觸發器，當發生某些事件的時候這類協處理器會被?Server 端調用。

Observer Coprocessor 就是一些散布在 HBase Server 端代碼中的 hook 鉤子，在固定的事件發生時被調用。

比如： put 操作之前有鉤子函數 prePut，該函數在 put 操作執行前會被 Region Server 調用；在 put 操作之后則有 postPut 鉤子函數。

以?HBase0.92?版本為例，它提供了三種觀察者接口：

  • RegionObserver：提供客戶端的數據操縱事件鉤子：?Get、?Put、?Delete、?Scan?等。
  • WALObserver：提供?WAL?相關操作鉤子。
  • MasterObserver：提供?DDL-類型的操作鉤子。如創建、刪除、修改數據表等。

到?0.96?版本又新增一個?RegionServerObserver

下圖是以 RegionObserver 為例子講解 Observer 這種協處理器的原理：

2) endpoint 協處理器

Endpoint 協處理器類似傳統數據庫中的存儲過程，客戶端可以調用這些 Endpoint 協處理器執行一段 Server 端代碼，并將 Server 端代碼的結果返回給客戶端進一步處理，最常見的用法就是進行聚集操作。

如果沒有協處理器，當用戶需要找出一張表中的最大數據，即 max 聚合操作，就必須進行全表掃描，在客戶端代碼內遍歷掃描結果，并執行求最大值的操作。這樣的方法無法利用底層集群的并發能力，而將所有計算都集中到 Client 端統一執行，勢必效率低下。

利用 Coprocessor，用戶可以將求最大值的代碼部署到 HBase Server 端，HBase 將利用底層 cluster 的多個節點并發執行求最大值的操作。即在每個 Region 范圍內?執行求最大值的代碼，將每個 Region 的最大值在 Region Server 端計算出，僅僅將該 max?值返回給客戶端。在客戶端進一步將多個 Region 的最大值進一步處理而找到其中的最大值。這樣整體的執行效率就會提高很多。

下圖是 EndPoint 的工作原理：

3. 協處理器加載方式?

?協處理器的加載方式有兩種，我們稱之為靜態加載方式（ Static Load）和動態加載方式（ Dynamic Load）。

靜態加載的協處理器稱之為 System Coprocessor

動態加載的協處理器稱之為 Table Coprocessor。

1) 靜態加載?

通過修改 hbase-site.xml 這個文件來實現， 啟動全局 aggregation，能過操縱所有的表上的數據。只需要添加如下代碼：

hbase.coprocessor.user.region.classesorg.apache.hadoop.hbase.coprocessor.AggregateImplementation

2) 動態加載

啟用表 aggregation，只對特定的表生效。通過 HBase Shell 來實現。

disable 指定表

hbase> disable mytable

添加 aggregation

hbase> alter mytable, METHOD => table_att,coprocessor=>|org.apache.Hadoop.hbase.coprocessor.AggregateImplementation||

重啟指定表 

hbase> enable mytable

協處理器卸載

disable mytablealter mytable, METHOD => table_att_unset,NAME=>coprocessor$1enable test

HBase當中的二級索引的簡要介紹

由于HBase的查詢比較弱，如果需要實現類似于 select name,salary,count(1),max(salary) from user group by name,salary order by salary 等這樣的復雜性的統計需求，基本上不可能，或者說比較困難，所以我們在使用HBase的時候，一般都會借助二級索引的方案來進行實現。

HBase的一級索引就是rowkey，我們只能通過rowkey進行檢索。如果我們相對hbase里面列族的列列進行一些組合查詢，就需要采用HBase的二級索引方案來進行多條件的查詢。

1.?MapReduce方案?
2.?ITHBASE（Indexed-Transanctional HBase）方案?
3.?IHBASE（Index HBase）方案?
4.?Hbase Coprocessor(協處理器)方案?
5.?Solr+hbase方案
6.?CCIndex（complementalclustering index）方案

常見的二級索引我們一般可以借助各種其他的方式來實現，例如Phoenix或者solr或者ES等。