【HBase SQL插件 Phoenix Squirrel】Phoenix入门 2019_12_29

Phenix

• 简介
• 优势
• 架构
• 资源
• 部署
• 测试
• 表操作
• C 创建
• R 显示
• U 更新
• D 删除
• H-P 表映射
• 视图映射
• 案例
• 表映射
• 案例1
• 案例2
• P-H 二级索引
• 配置修改
• 二级索引
• Global Index
• Local Index
• 删除索引
• 三种优化查询方法
• 加盐表
• 盐值设定规则
• 格式
• P-Spark
• Maven 依赖
• 示例代码
• P 可视化工具
• 资源
• 安装
• 连接

简介

Apache Phoenix 是 HBase 开源 SQL 皮肤，使用标准 JDBC API 代替 HBase-Client API 来 DDL，DML HBase数据库。

优势

1. 令 hbase 支持标准化 SQL，替代繁复 hbase 命令，降低 hbase 学习成本

2. 完美支持 Hbase 二级索引创建

3. 更加便捷集成 Spark，Hive，Pig，Flume 和 MapReduce

架构

服务器：HBase 集成 Phoenix 十分简单，只需将 Phoenix.Jars 分发到 所有RegionServer HBase_HOME/lib 目录下即可

客户端：使用 org.apache.phoenix.jdbc.PhoenixDriver 即可，究极简单

资源

官网：http://phoenix.apache.org/index.html
下载：http://phoenix.apache.org/download.html
最新版本：分为三类，1.适配 HBase 2.0，2.适配 HBase 1.5，3.适配 CDH 5.14.2
本教程使用： http://archive.apache.org/dist/phoenix/apache-phoenix-4.12.0-HBase-1.3/bin/

部署

1. 上传tar包至 hadoop102,103,104
SecureCRT 8.5: Alt + p
$ cd /opt/software
拖拽tar包至SecureCRT窗口

2. 解压
$ tar -zxvf /opt/software/apache-phoenix-4.14.2-HBase-1.3-bin.tar.gz -C /opt/module
$ cd /opt/module
$ mv apache-phoenix-4.14.2-HBase-1.3-bin phoenix

3. 复制HBase所需 JARs 至 HBASE_HOME/lib
	phoenix-4.14.2-HBase-1.3-server.jar
	phoenix-4.14.2-HBase-1.3-client.jar
$ cd /opt/module/phoenix/
$ cp phoenix-4.14.2-HBase-1.3-server.jar /opt/module/hbase-1.3.1/lib/
$ cp phoenix-4.14.2-HBase-1.3-client.jar /opt/module/hbase-1.3.1/lib/
$ xsync /opt/module/hbase-1.3.1/lib
# OR
$ scp phoenix-4.14.2-HBase-1.3-server/client.jar hadoop103/104:/opt/module/hbase-1.3.1/lib/

4. 暴露 系统环境变量
$ vim /etc/profile（正确做法是在/etc/profile.d/ 下创建 .sh 文件，写入下列内容）
>>
#phoenix
export PHOENIX_HOME=/opt/module/phoenix
export PHOENIX_CLASSPATH=$PHOENIX_HOME
export PATH=$PATH:$PHOENIX_HOME/bin
<<

测试

1. 群启前置服务：Zookeeper，Hadoop，Hbase
$ zk.sh start # zkServer.sh start *3
$ start-dfs.sh start
$ start-hbase.sh start

2. 启动 Phoenix 命令行客户端，并测试
$ /opt/module/phoenix/bin/sqlline.py hadoop102,hadoop103,hadoop104:2181
...
sqlline version 1.2.0
0: jdbc:phoenix:hadoop102,hadoop103,hadoop104> !table
...所有表信息
0: jdbc:phoenix:hadoop102,hadoop103,hadoop104> !quit
退出

表操作

注：所有命令均是在 Linux Phoenix sqlline.py Shell命令行 写入识别

Phoenix 严格区分 大小写，如果不用双引号"“括住的 字段表名，在创表时，均会自动创建为 大写。指定小写使用”"。

C 创建

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));

注：联合主键，只能通过 constraint 来定义，无法直接写在 多个列后面

R 显示

!table 或 !tables ，显示所有表

select * from us_population where state='NY';，显示指定记录

U 更新

upsert into us_population values('NY','NewYork',8143197);

D 删除

delete from us_population wherestate='NY';，删除指定记录

drop table us_population;，删除指定表

H-P 表映射

默认情况下，直接在hbase中创建的表，通过phoenix是查看不到的。如果要在Phoenix中操作在hbase中创建的表，则需要在phoenix中进行表的映射。映射方式有两种：视图映射和表映射

视图映射

只读，只能查询，无法通过视图对源表数据进行修改等操作。

案例

HBase 创建 test 表：hbase(main):001:0> create 'test','name','company'

Phoenix 对已存在的 HBase 表进行 视图映射：

0: jdbc:phoenix:hadoop102,hadoop103,hadoop104> 
create view "test"(
	empid varchar primary key,
	"name"."firstname" varchar,
	"name"."lastname" varchar,
	"company"."name" varchar,
	"company"."address" varchar
);

表映射

完整的操作权限。在查询效率上来说，表映射会高于视图映射的查询效率。
原因是：创建表映射的时候，Phoenix会在表中创建一些空的键值对，这些空键值对的存在可以用来提高查询效率。

案例1

HBase 创建 test 表：hbase(main):001:0> create 'test','name','company'

Phoenix 对已存在的 HBase 表进行 表映射：

# 如 视图映射 ，只需 将 create view 换为 create table 即可
0: jdbc:phoenix:hadoop102,hadoop103,hadoop104> 
create table "test"(
	empid varchar primary key,
	"name"."firstname" varchar,
	"name"."lastname" varchar,
	"company"."name" varchar,
	"company"."address" varchar
);

案例2

直接在 Phoenix 创建 HBase 不存在的表。自动在 Phoenix 和 HBase 中创建 person_infomation 表，并会根据指令内的参数对表结构进行初始化。

0: jdbc:phoenix:hadoop101,hadoop102,hadoop103> 
create table "test"(
	empid varchar primary key,
	"name"."firstname" varchar,
	"name"."lastname" varchar,
	"company"."name" varchar,
	"company"."address" varchar
) column_encoded_bytes=0;

P-H 二级索引

配置修改

HMaster 配置文件 hbase-site.xml

$ vim HBASE_HOME/conf/hbase-site.xml
>>
<!-- phoenix master 配置参数 -->
<property>
    <name>hbase.master.loadbalancer.class</name>
    <value>org.apache.phoenix.hbase.index.balancer.IndexLoadBalancer</value>
</property>

<property>
    <name>hbase.coprocessor.master.classes</name>
    <value>org.apache.phoenix.hbase.index.master.IndexMasterObserver</value>
</property>
<<

HRegionServer 配置文件 hbase-site.xml。全部修改完成后，重启 HBase 集群

$ vim HBASE_HOME/conf/hbase-site.xml
>>
<!-- phoenix regionserver 配置参数 -->
<property>
    <name>hbase.regionserver.wal.codec</name>
    <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>
</property>

<property>
    <name>hbase.region.server.rpc.scheduler.factory.class</name>
    <value>org.apache.hadoop.hbase.ipc.PhoenixRpcSchedulerFactory</value>
    <description>创建Phoenix RPC调度器，该调度器使用单独的队列进行索引和元数据更新</description>
</property>

<property>
    <name>hbase.rpc.controllerfactory.class</name>
    <value>org.apache.hadoop.hbase.ipc.controller.ServerRpcControllerFactory</value>
    <description>创建Phoenix RPC调度器，该调度器使用单独的队列进行索引和元数据更新</description>
</property>
<<

二级索引

注意，如果想使用二级索引，只能是 select 建立索引的字段，如果 select 未建立索引的字段 就仍然是 Full Scan
如果应用上了二级索引则，explain SQL 显示为 round robin range scan

Global Index

Global Index 是默认的索引格式。适用于多读少写的业务场景。
缺点：写数据的时候会造成大量开销，因为索引表也要同时更新，而索引表是分布在不同的数据节点上的，跨节点的数据传输带来了较大的性能消耗。
优点：读数据的时候通过索引表可降低查询消耗的时间。注意如果查询的字段不是索引字段的话索引表就不会被使用。

格式：CREATE INDEX my_index ON my_table (my_cf.my_col)
示例：CREATE INDEX "idx_company_name" ON "emp2"("COMPANY"."NAME")

Local Index

Local Index 适用于写操作频繁的场景。也通常称为 降级索引。
优点：1.索引和表数据是存放在相同的服务器中，避免了写场景下同步更新分布式索引表的额外开销。2.查询的字段不是索引字段索引表也会被使用，这会带来查询速度的提升。
缺点：由于是本地索引，所以查询时，需要先找到数据所在RegionServer服务器，才能利用本地索引表，对于查询时会增加查询时间。

格式：CREATE LOCAL INDEX my_index ON my_table (my_cf.my_col)
示例：CREATE LOCAL INDEX "youtube_index3" ON "hive_hbase_youtube"("info"."uploader")

删除索引

DROP INDEX my_index ON my_table

三种优化查询方法

include 附加 可能作为查询结果的列，这样就可以通过建立一个过滤索引，提升2个列查询速度
1） CREATE INDEX my_index ON my_table (v1) INCLUDE (cf.v2)
2） SELECT /*+ INDEX(my_table my_index) */ v2 FROM my_table WHERE v1 = ‘foo’
3） CREATE LOCAL INDEX my_index ON my_table (cf.v1)

加盐表

在密码学中，加盐是指在散列之前将散列内容（例如：密码）的任意位置插入特定的字符串。这个在散列中加入字符串的方式称为“加盐”，其作用是让加盐后的散列结果和没有加盐的结果不相同。

在 HBASE 中，如果主键是顺序的序列，频繁插入表中，最终会数据不停的落在一个regionServer中，容易造成热点问题。所以尽量将id打散。利用表中定义盐值，数据会均匀的分布在各个region中。

盐值设定规则

1. hbase节点数的倍数，最少是1倍
2. 数据量大时可增加盐数，比如对于8个region server集群的大表，可以考虑设计64~128个slat buckets。

格式

就是在建表时的最后，指定 SALT_BUCKETS 即可

create table "user333" ( "user_id" varchar primary key , "info"."name" varchar , "info"."age" varchar)column_encoded_bytes=0,SALT_BUCKETS = 3

P-Spark

官网详解：http://phoenix.apache.org/phoenix_spark.html

Maven 依赖

<dependency>
    <groupId>org.apache.phoenix</groupId>
    <artifactId>phoenix-spark</artifactId>
    <version>4.14.2-HBase-1.3</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.1.1</version>
</dependency>

示例代码

import org.apache.phoenix.spark._
filterDS.foreachRDD(
  rdd=>{
    rdd.saveToPhoenix("GMALL0715_DAU",
      Seq("MID", "UID", "APPID", "AREA", "OS", "CH", "TYPE", "VS", "LOGDATE", "LOGHOUR", "TS"),
      new Configuration,
      Some("hadoop102,hadoop103,hadoop104:2181"))
  }
)

P 可视化工具

Squirrel 松鼠

资源

官网：http://squirrel-sql.sourceforge.net/
最新版： https://sourceforge.net/projects/squirrel-sql/files/1-stable/4.0.0/squirrel-sql-4.0.0-standard.jar/download

下载后的文件本体：squirrel-sql-4.0.0-standard.jar

安装

自定义安装位置，后面无需更改。

连接

1. 复制 apache-phoenix-4.14.2-HBase-1.3-bin.tar.gz 中的 phoenix-4.14.2-HBase-1.3-client.jar 到 Squirrel安装目录下的 lib 目录下
2. 启动 Squirrel
3. 配置右侧边栏 Drivers，点击 ➕ 按钮
4. Name 填写：Phoenix，Example URL 填写：jdbc:phoenix:hadoop102,hadoop103,hadoop104:2181
5. Extra Class Path 选择 phoenix-4.14.2-HBase-1.3-client.jar
6. Class Name 选择 org.apache.phoenix.jdbc.PhoenixDriver，然后点击 OK 按钮，查看 Drivers 中显示 蓝色√ Phoenix
7. 配置右侧边栏 Aliases，点击 ➕ 按钮
8. Name 填写：HBase_102，Driver 选择 Phoenix，URL 不可选中更改，UserName Password 均为空
9. 点击 test 按钮，测试连接成功，点击 OK。
10. 最后双击 Aliases 内的 Phoenix ，进入 HBase ，查看所有表（只能查看到系统表及在Phoenix创建的表）

来源：CSDN

作者：今心木目

链接：https://blog.csdn.net/a1051826842/article/details/103756456