大数据架构-使用HBase和Solr将存储与索引放在不同的机器上

大数据架构-使用HBase和Solr将存储与索引放在不同的机器上

摘要：HBase可以通过协处理器Coprocessor的方式向Solr发出请求，Solr对于接收到的数据可以做相关的同步：增、删、改索引的操作，这样就可以同时使用HBase存储量大和Solr检索性能高的优点了，更何况HBase和Solr都可以集群。这对海量数据存储、检索提供了一种方式，将存储与索引放在不同的机器上，是大数据架构的必须品。

关键词：HBase, Solr, Coprocessor, 大数据, 架构

---

 

正如我的之前的博客“Solr与HBase架构设计”http://http://www.cnblogs.com/wgp13x/p/a8bb8ccd469c96917652201007ad3c50.html​中所述，HBase和Solr可以通过协处理器Coprocessor的方式向Solr发出请求，Solr对于接收到的数据可以做相关的同步：增、删、改索引的操作。将存储与索引放在不同的机器上，这是大数据架构的必须品，但目前还有很多不懂得此道的同学，他们对于这种思想感到很新奇，不过，这绝对是好的方向，所以不懂得抓紧学习吧。

有个朋友给我的那篇博客留言，说CDH也可以做这样的事情，我还没有试过，他还问我要与此相关的代码，于是我就稍微整理了一下，作为本篇文章的主要内容。关于CDH的事，我会尽快尝试，有知道的同学可以给我留言。

下面我主要讲述一下，我测试对HBase和Solr的性能时，使用HBase协处理器向HBase添加数据所编写的相关代码，及解释说明。

 

 

一、编写HBase协处理器Coprocessor

 

​一旦有数据postPut，就立即对Solr里相应的Core更新。这里使用了ConcurrentUpdateSolrServer，它是Solr速率性能的保证，使用它不要忘记在Solr里面配置autoCommit哟。

 

/*  *版权：王安琪  *描述：监视HBase，一有数据postPut就向Solr发送，本类要作为触发器添加到HBase  *修改时间：2014-05-27  *修改内容：新增  */ package solrHbase.test;   import java.io.UnsupportedEncodingException;   import ***;   public class SorlIndexCoprocessorObserver extends BaseRegionObserver {       private static final Logger LOG = LoggerFactory             .getLogger(SorlIndexCoprocessorObserver.class);     private static final String solrUrl = "http://192.1.11.108:80/solr/core1";     private static final SolrServer solrServer = new ConcurrentUpdateSolrServer(             solrUrl, 10000, 20);       /**      * 建立solr索引      *       * @throws UnsupportedEncodingException      */     @Override     public void postPut(final ObserverContext<RegionCoprocessorEnvironment> e,             final Put put, final WALEdit edit, final boolean writeToWAL)             throws UnsupportedEncodingException {         inputSolr(put);     }       public void inputSolr(Put put) {         try {             solrServer.add(TestSolrMain.getInputDoc(put));         } catch (Exception ex) {             LOG.error(ex.getMessage());         }     } }

 

注意：getInputDoc是这个HBase协处理器Coprocessor的精髓所在，它可以把HBase内的Put里的内容转化成Solr需要的值。其中String fieldName = key.substring(key.indexOf(columnFamily) + 3, key.indexOf("我在这")).trim();这里有一个乱码字符，在这里看不到，请大家注意一下。

 

public static SolrInputDocument getInputDoc(Put put) {         SolrInputDocument doc = new SolrInputDocument();         doc.addField("test_ID", Bytes.toString(put.getRow()));         for (KeyValue c : put.getFamilyMap().get(Bytes.toBytes(columnFamily))) {             String key = Bytes.toString(c.getKey());             String value = Bytes.toString(c.getValue());             if (value.isEmpty()) {                 continue;             }             String fieldName = key.substring(key.indexOf(columnFamily) + 3,                     key.indexOf("")).trim();             doc.addField(fieldName, value);         }         return doc; }

 

二、编写测试程序入口代码main

 

​这段代码向HBase请求建了一张表，并将模拟的数据，向HBase连续地提交数据内容，在HBase中不断地插入数据，同时记录时间，测试插入性能。

 

/*  *版权：王安琪  *描述：测试HBaseInsert，HBase插入性能  *修改时间：2014-05-27  *修改内容：新增  */ package solrHbase.test;   import hbaseInput.HbaseInsert;   import ***;   public class TestHBaseMain {       private static Configuration config;     private static String tableName = "angelHbase";     private static HTable table = null;     private static final String columnFamily = "wanganqi";       /**      * @param args      */     public static void main(String[] args) {         config = HBaseConfiguration.create();         config.set("hbase.zookeeper.quorum", "192.103.101.104");         HbaseInsert.createTable(config, tableName, columnFamily);         try {             table = new HTable(config, Bytes.toBytes(tableName));             for (int k = 0; k < 1; k++) {                 Thread t = new Thread() {                     public void run() {                         for (int i = 0; i < 100000; i++) {                             HbaseInsert.inputData(table,                                     PutCreater.createPuts(1000, columnFamily));                             Calendar c = Calendar.getInstance();                             String dateTime = c.get(Calendar.YEAR) + "-"                                     + c.get(Calendar.MONTH) + "-"                                     + c.get(Calendar.DATE) + "T"                                     + c.get(Calendar.HOUR) + ":"                                     + c.get(Calendar.MINUTE) + ":"                                     + c.get(Calendar.SECOND) + ":"                                     + c.get(Calendar.MILLISECOND) + "Z 写入: "                                     + i * 1000;                             System.out.println(dateTime);                         }                     }                 };                 t.start();             }         } catch (IOException e1) {             e1.printStackTrace();         }     }   }

 

​下面的是与HBase相关的操作，把它封装到一个类中，这里就只有建表与插入数据的相关代码。

 

/*  *版权：王安琪  *描述：与HBase相关操作，建表与插入数据  *修改时间：2014-05-27  *修改内容：新增  */ package hbaseInput; import ***; import org.apache.hadoop.hbase.client.Put;   public class HbaseInsert {       public static void createTable(Configuration config, String tableName,             String columnFamily) {         HBaseAdmin hBaseAdmin;         try {             hBaseAdmin = new HBaseAdmin(config);             if (hBaseAdmin.tableExists(tableName)) {                 return;             }             HTableDescriptor tableDescriptor = new HTableDescriptor(tableName);             tableDescriptor.addFamily(new HColumnDescriptor(columnFamily));             hBaseAdmin.createTable(tableDescriptor);             hBaseAdmin.close();         } catch (MasterNotRunningException e) {             e.printStackTrace();         } catch (ZooKeeperConnectionException e) {             e.printStackTrace();         } catch (IOException e) {             e.printStackTrace();         }     }       public static void inputData(HTable table, ArrayList<Put> puts) {         try {             table.put(puts);             table.flushCommits();             puts.clear();         } catch (IOException e) {             e.printStackTrace();         }     } }

 

三、编写模拟数据Put

 

向HBase中写入数据需要构造Put，下面是我构造模拟数据Put的方式，有字符串的生成，我是由mmseg提供的词典words.dic中随机读取一些词语连接起来，生成一句字符串的，下面的代码没有体现，不过很easy，你自己造你自己想要的数据就OK了。

 

public static Put createPut(String columnFamily) {         String ss = getSentence();         byte[] family = Bytes.toBytes(columnFamily);         byte[] rowKey = Bytes.toBytes("" + Math.abs(r.nextLong()));         Put put = new Put(rowKey);         put.add(family, Bytes.toBytes("DeviceID"),                 Bytes.toBytes("" + Math.abs(r.nextInt())));         ******         put.add(family, Bytes.toBytes("Company_mmsegsm"), Bytes.toBytes("ss"));           return put; }

 

当然在运行上面这个程序之前，需要先在Solr里面配置好你需要的列信息，HBase、Solr安装与配置，它们的基础使用方法将会在之后的文章中介绍。在这里，Solr的列配置就跟你使用createPut生成的Put搞成一样的列名就行了，当然也可以使用动态列的形式。

 

四、直接对Solr性能测试

 

如果你不想对HBase与Solr的相结合进行测试，只想单独对Solr的性能进行测试，这就更简单了，完全可以利用上面的代码段来测试，稍微组装一下就可以了。

 

private static void sendConcurrentUpdateSolrServer(final String url,             final int count) throws SolrServerException, IOException {         SolrServer solrServer = new ConcurrentUpdateSolrServer(url, 10000, 20);         for (int i = 0; i < count; i++) {             solrServer.add(getInputDoc(PutCreater.createPut(columnFamily)));         } }

 

 

希望可以帮助到你规格严格-功夫到家。这次的文章代码又偏多了点，但代码是解释思想的最好的语言，我的提倡就是尽可能的减少代码的注释，尽力简化你的代码，使你的代码足够的清晰易懂，甚至于相似于伪代码了，这也是《重构》这本书里所提倡的。

来自王安琪