二級索引與索引Join是多數(shù)業(yè)務(wù)系統(tǒng)要求存儲引擎提供的基本特性，RDBMS早已支持，NOSQL陣營也在摸索著符合自身特點的最佳解決方案。
這篇文章會以HBase做為對象來討論如何基于Hbase構(gòu)建二級索引與實現(xiàn)索引join。文末同時會列出目前已知的包括0.19.3版secondary index,ITHbase, Facebook方案和官方Coprocessor的介紹。

理論目標
在HBase中實現(xiàn)二級索引與索引Join需要考慮三個目標：
1，高性能的范圍檢索。
2，數(shù)據(jù)的低冗余（存儲所占的數(shù)據(jù)量）。
3，數(shù)據(jù)的一致性。

性能與數(shù)據(jù)冗余，一致性是相互制約的關(guān)系。
如果你實現(xiàn)了高性能地范圍檢索，必然需要靠冗余索引數(shù)據(jù)來提升性能，而數(shù)據(jù)冗余會導(dǎo)致更新數(shù)據(jù)時難以實現(xiàn)一致性，特別是分布式場景下。
如果你不要求高效地范圍檢索，那么可以不考慮產(chǎn)生冗余數(shù)據(jù)，一致性問題也可以間接避免，畢竟share nothing是公認的最簡單有效的解決方案。

理論結(jié)合實際，下文會以實例的方式來闡述各個方案是如何選擇偏重點。
這些方案是經(jīng)過筆者資料查閱和同事的不斷交流后得出的結(jié)論，如有錯誤，歡迎指正：

1，按索引建表
每一個索引建立一個表，然后依靠表的row key來實現(xiàn)范圍檢索。row key在HBase中是以B+ tree結(jié)構(gòu)化有序存儲的，所以scan起來會比較效率。
單表以row key存儲索引，column value存儲id值或其他數(shù)據(jù) ，這就是Hbase索引表的結(jié)構(gòu)。

如何Join？
多索引（多表）的join場景中，主要有兩種參考方案：

1，按索引的種類掃描各自獨立的單索引表，最后將掃描結(jié)果merge。
這個方案的特點是簡單，但是如果多個索引掃描結(jié)果數(shù)據(jù)量比較大的話，merge就會遇到瓶頸。

比如，現(xiàn)在有一張1億的用戶信息表，建有出生地和年齡兩個索引，我想得到一個條件是在杭州出生，年齡為20歲的按用戶id正序排列前10個的用戶列表。
有一種方案是，系統(tǒng)先掃描出生地為杭州的索引，得到一個用戶id結(jié)果集，這個集合的規(guī)模假設(shè)是10萬。
然后掃描年齡，規(guī)模是5萬，最后merge這些用戶id，去重，排序得到結(jié)果。

這明顯有問題，如何改良？
保證出生地和年齡的結(jié)果是排過序的，可以減少merge的數(shù)據(jù)量？但Hbase是按row key排序，value是不能排序的。
變通一下 – 將用戶id冗余到row key里？OK，這是一種解決方案了，這個方案的圖示如下：

merge時提取交集就是所需要的列表，順序是靠索引增加了_id，以字典序保證的。

2， 按索引查詢種類建立組合索引。
在方案1的場景中，想象一下，如果單索引數(shù)量多達10個會怎么樣？10個索引，就要merge 10次，性能可想而知。

解決這個問題需要參考RDBMS的組合索引實現(xiàn)。
比如出生地和年齡需要同時查詢，此時如果建立一個出生地和年齡的組合索引，查詢時效率會高出merge很多。
當然，這個索引也需要冗余用戶id，目的是讓結(jié)果自然有序。結(jié)構(gòu)圖示如下：

這個方案的優(yōu)點是查詢速度非常快，根據(jù)查詢條件，只需要到一張表中檢索即可得到結(jié)果list。缺點是如果有多個索引，就要建立多個與查詢條件一一對應(yīng)的組合索引，存儲壓力會增大。

在制定Schema設(shè)計方案時，設(shè)計人員需要充分考慮場景的特點，結(jié)合方案一和二來使用。下面是一個簡單的對比：

	單索引	組合索引
檢索性能	優(yōu)異	優(yōu)異
存儲	數(shù)據(jù)不冗余，節(jié)省存儲。	數(shù)據(jù)冗余，存儲比較浪費。
事務(wù)性	多個索引保證事務(wù)性比較困難。	多個索引保證事務(wù)性比較困難。
join	性能較差	性能優(yōu)異
count,sum,avg,etc	符合條件的結(jié)果集全表掃描	符合條件的結(jié)果集全表掃描

從上表中可以得知，方案1,2都存在更新時事務(wù)性保證比較困難的問題。如果業(yè)務(wù)系統(tǒng)可以接受最終一致性的話，事務(wù)性會稍微好做一些。否則只能借助于復(fù)雜的分布式事務(wù)，比如JTA，Chubby等技術(shù)。
count, sum, avg, max, min等聚合功能，Hbase只能通過硬掃的方式，并且很悲劇，你可能需要做一些hack操作（比如加一個CF,value為null），否則你在掃描時可能需要往客戶端傳回所有數(shù)據(jù)。
當然你可以在這個場景上做一些優(yōu)化，比如增加狀態(tài)表等，但復(fù)雜性帶來的風(fēng)險會更高。
還有一種終極解決方案就是在業(yè)務(wù)上只提供上一頁和下一頁，這或許是最簡單有效的方案了。

2，單張表多個列族，索引基于列
Hbase提供了列族Column Family特性。
列索引是將Column Family做為index，多個index值散落到Qualifier，多個column值依據(jù)version排列（CF, Qualifer, Version Hbase會保證有序，其中CF和Qualifier正序，Version倒序）。

舉個典型的例子，就是用戶賣了很多商品，這些商品的標題title需要支持like %title%查詢。傳統(tǒng)基于RDMBS就是模糊查詢，基于search engine就是分詞+倒排表。
在HBase中，模糊查詢顯然不滿足我們的要求，接下來只能通過分詞+倒排的方式來存儲。基于CF的倒排表索引結(jié)構(gòu)見下圖：

取數(shù)據(jù)的時候，只需要根據(jù)用戶id（row key）定位到一個row，然后根據(jù)分詞定位到qualifier，再通過version的有序list，取top n條記錄即可。不過大家可能會發(fā)現(xiàn)個問題，version list的總數(shù)量是需要scan全version list才能知道的，這里需要業(yè)務(wù)系統(tǒng)本身做一些改進。

如何join？
實現(xiàn)方式同方案1里的join，多個CF列索引掃描結(jié)果后，需要走merge，將多個索引的查詢結(jié)果conjunction。

兩個方案的對比似乎變化就是一個表，一個列，但其實這個方案有個最大的好處，就是解決了事務(wù)性的問題，因為所有的索引都是跟單個row key綁定的，我們知道單個row的更新，在hbase中是保證原子更新的，這就是這個方案的天然優(yōu)勢。當你在考慮單索引時，使用基于列的索引會比單表索引有更好的適用性。
而組合索引在以列為存儲粒度的方案里，也同樣可以折中實現(xiàn)。理解這種存儲模式的同學(xué)可能已經(jīng)猜到了，就是基于qualifier。

下表對比了表索引和列索引的優(yōu)缺點：

	列索引	表索引
檢索性能	檢索數(shù)據(jù)需要走多次scan，第一次scan row key，第二次scan qualifier，第三次scan version。	只需要走一次row key的scan即可。
存儲	在沒有組合索引時，存儲較節(jié)省	在沒有組合索引時，存儲較節(jié)省
事務(wù)性	容易保證	保證事務(wù)性比較困難
join	性能較差，只有在建立組合條件Qualifier的時候性能會有所改善	性能較差，只有在建立組合表索引的時候性能會有所改善
額外的問題	1，同一個row里每個qualifier的version是有大小限制的，不能超過Int的最大值。（別以為這個值很大，對于海量數(shù)據(jù)存儲，上億很平常） 2，version的count總數(shù)需要額外做處理獲取。 3，單個row數(shù)據(jù)超過split大小時，會導(dǎo)致不能compaction或compaction內(nèi)存吃緊，增加風(fēng)險。
count,sum,avg,etc	符合條件的結(jié)果集全表掃描	符合條件的結(jié)果集全表掃描

雖然列索引缺點這么多，但是存儲節(jié)省帶來的成本優(yōu)勢有時還是值得我們?nèi)ミ@么做的，何況它還解決了事務(wù)性問題，需要用戶自己去權(quán)衡。
值得一提的是，F(xiàn)acebook的消息應(yīng)用服務(wù)器就是基于類似的方案來實現(xiàn)的。

3，ITHBase
方案一中的多表，解決了性能問題，同時帶來了存儲冗余和數(shù)據(jù)一致性問題。這兩個問題中，只要解決其中一項，其實也就滿足了大多數(shù)業(yè)務(wù)場景。
本方案中，著重關(guān)注的是數(shù)據(jù)一致性。ITHbase的全稱是 Indexed Transactional HBase，從名字中就能看出，事務(wù)性是它的重要特性。

ITHBase的事務(wù)原理簡介
建一張事務(wù)表__GLOBAL_TRX_LOG__，每次開啟事務(wù)時，在表中記錄狀態(tài)。因為是基于Hbase的HTable，事務(wù)表同樣會寫WAL用于恢復(fù)，不過這個日志格式被ITHbase改造過，它稱之為THLog。
客戶端對多張表更新時，先啟動事務(wù)，然后每次PUT，將事務(wù)id傳遞給HRegionServer。
ITHbase通過繼承HRegionServer和HReogin類，重寫了大多數(shù)操作接口方法，比如put, update, delete, 用于獲取transactionalId和狀態(tài)。
當server收到操作和事務(wù)id后，先確認服務(wù)端收到，標記當前事務(wù)為待寫入狀態(tài)（需要再發(fā)起一次PUT）。當所有表的操作完成后，由客戶端統(tǒng)一做commit寫入，做二階段提交。

4，Map-reduce
這個方案沒什么好說的，存儲節(jié)省，也不需要建索引表，只需要靠強大的集群計算能力即可導(dǎo)出結(jié)果。但一般不適合online業(yè)務(wù)。

5，Coprocessor協(xié)處理器
官方0.92.0新版正在開發(fā)中的新功能- Coprocessor ，支持region級別索引。詳見:
https://issues.apache.org/jira/browse/HBASE-2038

協(xié)處理器的機制可以理解為，server端添加了一些回調(diào)函數(shù)。這些回調(diào)函數(shù)如下：

The Coprocessor interface defines these hooks:

• preOpen, postOpen: Called before and after the region is reported as online to the master.

• preFlush, postFlush: Called before and after the memstore is flushed into a new store file.
• preCompact, postCompact: Called before and after compaction.
• preSplit, postSplit: Called after the region is split.
• preClose and postClose: Called before and after the region is reported as closed to the master.

The RegionObserver interface is defines these hooks:

• preGet, postGet: Called before and after a client makes a Get request.
• preExists, postExists: Called before and after the client tests for existence using a Get.
• prePut and postPut: Called before and after the client stores a value.
• preDelete and postDelete: Called before and after the client deletes a value.
• preScannerOpen postScannerOpen: Called before and after the client opens a new scanner.
• preScannerNext, postScannerNext: Called before and after the client asks for the next row on a scanner.
• preScannerClose, postScannerClose: Called before and after the client closes a scanner.
• preCheckAndPut, postCheckAndPut: Called before and after the client calls checkAndPut().
• preCheckAndDelete, postCheckAndDelete: Called before and after the client calls checkAndDelete().

利用這些hooks可以實現(xiàn)region級二級索引，實現(xiàn)count, sum, avg, max, min等聚合操作而不需要返回所有的數(shù)據(jù)，詳見 https://issues.apache.org/jira/browse/HBASE-1512 。

二級索引的原理猜測
因為coprocessor的最終方案還未公布，就提供的這些hooks來說，二級索引的實現(xiàn)應(yīng)該是攔截同一個region的put, get, scan, delete等操作。與此同時在同一個reigon里維護一個索引CF，建立對應(yīng)的索引表。
基于region的索引表其實有很多局限性，比如全局排序就很難做。

不過我覺得Coprocessor最大的好處在于其提供了server端的完全擴展能力，這對于Hbase來說是一個大的躍進。

如何join？

目前還未發(fā)布，不過就了解很難從本質(zhì)上有所突破。解決方案無非就是merge和composite index，同樣事務(wù)性是需要解決的難題之一。

業(yè)界已經(jīng)公開的二級索引方案羅列：

0.19.3版Secondary Index

一直關(guān)注HBase的同學(xué)，或許知道，早在HBase 0.19.3版發(fā)布時，曾經(jīng)加入過secondary index的功能，Issue詳見 這里 。
它的使用例子也很簡單： http://blog.rajeevsharma.in/2009/06/secondary-indexes-in-hbase.html

0.19.3版Secondary Index通過將列值以row key方法存儲，提供索引scan。
但HBase早期的需求主要來自Hadoop。事務(wù)的復(fù)雜性以及當時發(fā)現(xiàn)hadoop-core里有個很難解決的與ITHBase兼容的問題，致使官方在0.20.0版將其核心代碼移出了hbase-core，改為contrib第三方擴展，Issue詳見 這里 。

Transactional tableindexed- ITHBase

這個方案就是在0.19.3版被官方剝離出核心的第三方擴展，它的方案上面已經(jīng)介紹過了。目前支持最新的Hbase 0.90。
是否具備工業(yè)強度的穩(wěn)定性是用戶選擇它的主要障礙。

https://github.com/hbase-trx/hbase-transactional-tableindexed

Facebook方案

facebook采用的是單表多列索引的解決方案，上面已經(jīng)提到過了。很完美地解決了數(shù)據(jù)一致性問題，這主要跟他們的使用場景有關(guān)。

感興趣的同學(xué)可以看下這篇blog，本文不作詳述：

blog.huihoo.com/?p=688

HBase官方方案 0.92.0 版開發(fā)中 – Coprocessor協(xié)處理器

還未發(fā)布，不過hbase官方blog有篇介紹： http://hbaseblog.com/2010/11/30/hbase-coprocessors

Lily Hbase indexing Library

這是一個索引構(gòu)建，查詢，管理的框架。結(jié)構(gòu)上，就是通過一張indexmeta表管理多張indexdata索引表。
特點是，有一套非常完善的針對int, string, utf-8, decimal等類型的row key排序機制。這個機制在這篇博文中有詳細介紹：

http://brunodumon.wordpress.com/2010/02/17/building-indexes-using-hbase-mapping-strings-numbers-and-dates-onto-bytes/

此外，框架針對join場景（原理=merge），提供了封裝好的conjunction和disjunction工具類。
針對索引構(gòu)建場景，Hbase indexing library也提供了很方便的接口。

IHbase

歡迎訪問我的 個人博客 ，獲取其他相關(guān)資料！