前企业软件开发占据主流的开发模式为面向对象模式。无论是建立在集合论之上的传统关系型数据库,还是以CAP定理/Hadoop/BigTable为基石的HBase,都面临以下的基本问题:
-
如何保存对象到数据存储?
-
如何从数据存储获取对象?
-
如何更新数据存储中的现有数据?数据存储的类型系统和开发语言(Java)的类型系统之间如何相互转换?
简而言之,数据存储如何提供增、删、改、查的服务能力,应用如何方便的使用该能力。关系型数据库给出的答案为SQL,JDBC和各种ORM框架(典型例子为Hibernate和MyBatis)。
HBase ORM
ORM即Object-Relational mapping,对于HBase而言不存在Relational,因此该名称不准确,只是ORM做为一个术语使用太过广泛,这里泛指数据存储和Object之间的映射。
HBase的设计和RDBMS差异较大,因此除了上一小节的问题外,还需要解决如下问题:
-
如何映射HTable的RowKey?
-
如何映射HTable的bytes到Java类型?
-
如何映射HTable的多版本能力?
本文着重介绍HBase ORM SimpleHBase框架,并和另一个HBase ORM Phoenix(http://phoenix.incubator.apache.org/)做比较。
SimpleHBase简介
SimpleHBase(https://github.com/zhang-xzhi/simplehbase)是Java和HBase之间的轻量级中间件,主要包含以下功能:
-
数据类型映射:Java类型和HBase的bytes之间的数据转换。
-
简单操作封装:封装了HBase的put,get,scan等操作为简单的Java操作方式。
-
HBase query封装:封装了HBase的filter,可以使用SQL-like的方式操作HBase。
-
动态query封装:类似于mybatis,可以使用xml配置动态语句查询hbase。
-
insert,update支持: 建立在HBase的checkAndPut之上。
-
HBase多版本支持:提供接口可以对HBase多版本数据进行查询,映射。
-
HBase原生接口支持。
-
HTablePool管理。
设计理念
Phoenix的设计理念为:We put the SQL back into NoSql。该理念的优点如下:
-
SQL做为大众熟悉的API,用户学习成本较低。
-
减少程序员的代码开发量。
-
性能优化对用户透明。
-
兼容既有的基于SQL的工具。
该理念的缺点如下:
-
SQL屏蔽了HBase和RDBMS设计上的差别,抽象泄露的风险较高。关于抽象泄露参考http://www.joelonsoftware.com/articles/LeakyAbstractions.html。
-
为了SQL兼容,引入了JDBC层。由于RDBM和HBase的设计与模型本身差异较大,引入JDBC后,导致部分HBase的特性难以友好的支持。
-
大部分的应用不会直接使用JDBC,而是使用ORM,技术栈较深,导致抽象泄露问题更加严重。
SimpleHBase的设计理念为:贴近HBase的ORM设计,简化HBase之上的Java app开发。
该理念的优点如下:
-
设计紧贴HBase的逻辑模型,提供一站式HBase ORM解决方案。
-
减少程序员的代码开发量。
-
用户友好的HBase特征支持。
该理念的缺点如下:
1. 不兼容SQL,有一定的学习成本。
SimpleHBase和Phoenix的技术栈如下所示。
类型转换
Phoenix支持如下类型,目前不支持自定义类型。每种类型的序列化(转化为bytes保存到HBase中)和反序列化为固定的方式。
INTEGER
UNSIGNED_INT
BIGINT
UNSIGNED_LONG
TINYINT
UNSIGNED_TINYINT
SMALLINT
UNSIGNED_SMALLINT
|
FLOAT
UNSIGNED_FLOAT
DOUBLE
UNSIGNED_DOUBLE
DECIMAL
BOOLEAN
TIME
DATE
|
TIMESTAMP
UNSIGNED_TIME
UNSIGNED_DATE
UNSIGNED_TIMESTAMP
VARCHAR
CHAR
BINARY
VARBINARY
|
SimpleHBase支持如下类型。每种类型的序列化和反序列化方式,可以使用SimpleHBas提供的默认方式,也可以用户自定义。
boolean
byte
short
char
int
long
float
double
|
String
Date
Enum
|
用户自定义类型:
通过TypeHandler支持自定义类型扩展。
|
SimpleHBase的rowkey和类型映射如下:
RowKey支持
Phoenix把rowkey内化为table的PRIMARY KEY处理。
如
CREATE TABLE IF NOT EXISTS us_population ( state CHAR(2) NOT NULL, city VARCHAR NOT NULL, population BIGINT CONSTRAINT my_pk PRIMARY KEY (state, city));
|
同时,Phoenix的Salted Tables技术可以解决region server的热点问题。
SimpleHBase认为rowkey的设计是HBase应用设计中最重要的一环。因此,对于RowKey单独建模,给用户提供较高的灵活性。实际上,对于HBase而言,任何可以转换为bytes的对象都可以做为rowkey使用。
简单场景支持
对于简单的put,scan,delete场景。
Phoenix提供的方案为:
Java app -> ORM(可选) -> SQL -> phoenix -> HBase
SimpleHBase提供的方案为:
Java app -> SimpleHBase-> HBase
无需SQL这一层,直接用类似如下代码即可实现。
simpleHbaseClient.putObject(new PersonRowKey(1), person);
Person result = simpleHbaseClient.findObject(new PersonRowKey(1),
Person.class);
|
简单SQL支持
Phoenix做为HBase上面的SQL封装,这块的功能比较丰富。SimpleHBase提供SQL-Like方式的查询。支持常见的简单查询场景。目前,SimpleHBase提供的运算符如下:
lessequal
less
greaterequal
greater
notequal
equal
|
notmatch
match
|
in
notin
between
notbetween
|
isnull
Isnotnull
Ismissing
isnotmissing
|
and
or
|
()
|
复杂SQL支持
对于group by, join等较为复杂的SQL语法,Phoenix支持,SimpleHBase目前不支持。
动态SQL支持
动态查询可以避免应用代码中大量if-else之类的判断,拼接查询条件,提高代码质量。
Phoenix的方案:
引入其他ORM框架(如hibernate或mybatis)。
Simplehbase的方案:
类似mybatis,提供动态查询能力。
目前simplehbase提供的动态查询标签如下:
isNull
isNotNull
isEmpty
isNotEmpty
isPropertyAvailable
isNotPropertyAvailable
|
isEqual
isNotEqual
isGreaterThan
isGreaterEqual
isLessThan
isLessEqual
|
Dynamic
|
HBase时间戳和多版本支持
Phoenix方案:
时间戳,由HBase管理,或在connection建立时指定一个时间戳,该connection上所有操作就是基于该时间戳。
不支持多版本,只能支持最新值。
Simplehbase方案:
时间戳可以由HBase管理,或者由应用自行指定。版本数,可以选择最新版本,或者多版本支持,由应用指定。
rowkey
|
timestamp
|
name
|
Age
|
key1
|
t4
|
d
|
|
key1
|
t3
|
c
|
3
|
key1
|
t2
|
|
2
|
key1
|
t1
|
a
|
1
|
假设name和age映射为一个Person类型对象。SimpleHBase支持如下映射方式:
-
一个rowkey对应的所有最新值映射为一个object。
例:该数据被映射为Person(name=d,age=3)。
-
一个rowkey对应的时间戳范围内(由用户指定)的最新值映射为一个object (Phoenix只提供一个时间戳,而不是时间戳范围) 。
-
例:指定时间戳范围(左闭右开)为 [t1,t3),该数据被映射为Person(name=a,age=2)。
-
一个rowkey对应的所有值,以时间戳为维度,映射成一个object list。
例:指定maxVersion(控制最大版本数)为4,该数据被映射为一个person的列表,按照时间戳排序。
Person(name=d)
Person(name=c,age=3)
Person(age=2)
Person(name=a,age=1)
-
一个rowkey对应的时间戳范围内的所有值,以时间戳为维度,映射成一个object list。
例:指定时间戳范围为 [t1,t3),maxVersion为4,该数据被映射为一个person的列表,按照时间戳排序。
Person(age=2)
Person(name=a,age=1)
其他
SimpleHBase中包含了一些HBase特性的封装或增强。
如:
SimpleHBase支持批量put操作,以提升性能。
|
HTable的autoflush设置为false,同时,有一个线程定期做flush。既可以提高应用的吞吐能力,也可以有一定的flush保证。
|
小结
目前,SimpleHBase已经在阿里的多个项目中得到应用。从设计理念看,SimpleHBase并不是Phoenix的一个重复轮子,而是有着自己清晰的目标。即贴近HBase的ORM设计,简化HBase之上的Java app开发。同时,又可以把HBase的一些核心概念暴露给用户,方便用户对HBase特性的使用。
关于作者:
张信之,支付宝高级工程师,目前负责支付宝消费数据组,西安交通大学计算机科学与技术专业硕士。兴趣广泛,近期工作聚焦在HBase ORM框架Simplehbase上。
本文作者:张信之 来源:InfoQ
CIO之家 www.ciozj.com 微信公众号:imciow