HBase数据同步到ElasticSearch的方案

<h3>ElasticSearch的River机制</h3> ElasticSearch自身提供了一个River机制，用于同步数据。 这里能够找到官方眼下推荐的River： <a target="_blank" href="http://www.elasticsearch.org/guide/en/elasticsearch/rivers/current/">http://www.elasticsearch.org/guide/en/elasticsearch/rivers/current/</a> 可是官方没有提供HBase的River。 事实上ES的River很easy，就是一个用户打包好的jar包，ES负责找到一个node，并启动这个River。假设node失效了。会自己主动找另外一个node来启动这个River。 <pre code_snippet_id="520284" snippet_file_name="blog_20141115_1_5215483" name="code" class="java">public interface RiverComponent { RiverName riverName(); } public interface River extends RiverComponent {

/**
 * Called whenever the river is registered on a node, which can happen when:
 * 1) the river _meta document gets indexed
 * 2) an already registered river gets started on a node
 */
void start();

/**
 * Called when the river is closed on a node, which can happen when:
 * 1) the river is deleted by deleting its type through the delete mapping api
 * 2) the node where the river is allocated is shut down or the river gets rerouted to another node
 */
void close();

}</pre>

<h4>Elasticsearch-HBase-River</h4> github上有两个相关的项目： <a target="_blank" href="https://github.com/mallocator/Elasticsearch-HBase-River">https://github.com/mallocator/Elasticsearch-HBase-River</a> 这个项目事实上非常easy。在River里用定时器启动一个HBase的Scanner，去扫描数据，并把数据插到ES里。和自己手动写代码去扫描差点儿相同。 <a target="_blank" href="https://github.com/posix4e/Elasticsearch-HBase-River">https://github.com/posix4e/Elasticsearch-HBase-River</a> 这个项目利用了HBase的Replication机制。模拟了一个Hbase Replication的结点，然后同步数据到ES里。 可是这个项目是基于Hbase0.94的，实现的功能有限。 Hbase0.94和HBase0.98 的API变化非常大，基本不可用，并且作者也说了不能用于生产环境。 <h3>HBase的Relication机制</h3> 能够參考官方文档和cloudera的一些博客文章： <a target="_blank" href="http://hbase.apache.org/book.html#cluster_replication">http://hbase.apache.org/book.html#cluster_replication </a> <a target="_blank" href="http://blog.cloudera.com/blog/2012/07/hbase-replication-overview-2/">http://blog.cloudera.com/blog/2012/07/hbase-replication-overview-2/</a> HBase的Relication机制，事实上和Mysql的同步机制非常像，HBase的每一个Region Server都会有WAL Log，当Put/Delete时。都会先写入到WAL Log里。然后后台有线程会把WAL Log随机发给Slave的Region Server。而Slave的Region Server会在zookeeper上记录自己同步到的位置。 <h3>HBase同步数据到Solr的方案：Lily HBase Indexer</h3> Cloudera内置的Cloudera Search实际上就是这个Lily Hbase Indexer： <a target="_blank" href="https://github.com/NGDATA/hbase-indexer">https://github.com/NGDATA/hbase-indexer </a> 这个项目就是利用了HBase的Replication功能，把HBase数据改动（Put。Delete）都抽像成为一系列Event，然后就能够同步到Solr里了。 这个项目抽象出了一个子项目：HBase Side-Effect Processor。 <a target="_blank" href="https://github.com/NGDATA/hbase-indexer/blob/master/hbase-sep/README.md">https://github.com/NGDATA/hbase-indexer/blob/master/hbase-sep/README.md</a> 让用户能够自己写Listener来处理Event。 <h3>HBase数据同步到ElasticSearch的终于方案</h3> 考虑了上面的东东。所以决定基于HBase Side-Effect Processor。来自己写简单的程序同步数据到ES里。 事实上代码是很easy的。參考下Demo里的LoggingConsumer就好了。 https://github.com/NGDATA/hbase-indexer/blob/master/hbase-sep/hbase-sep-demo/src/main/java/com/ngdata/sep/demo/LoggingConsumer.java <pre code_snippet_id="520284" snippet_file_name="blog_20141115_2_5395135" name="code" class="java"> private static class EventLogger implements EventListener { @Override public void processEvents(List<SepEvent> sepEvents) { for (SepEvent sepEvent : sepEvents) { System.out.println("Received event:"); System.out.println(" table = " + Bytes.toString(sepEvent.getTable())); System.out.println(" row = " + Bytes.toString(sepEvent.getRow())); System.out.println(" payload = " + Bytes.toString(sepEvent.getPayload())); System.out.println(" key values = "); for (KeyValue kv : sepEvent.getKeyValues()) { System.out.println(" " + kv.toString()); } } } }</pre> <h3>其他的一些东东：</h3> <h4>ElasticSearch 和Solr cloud的比較</h4> 从网上找到的帖子，讨论比較多的是12年，貌似后面就比較少了。 https://github.com/superkelvint/solr-vs-elasticsearch  http://stackoverflow.com/questions/2271600/elasticsearch-sphinx-lucene-solr-xapian-which-fits-for-which-usage  http://www.quora.com/Why-Cloudera-search-is-built-on-Solr-and-not-Elasticsearch   Cloudera-Search为什么选择Solr而不是ElasticSearch 个人倾向于ElasticSearch，由于从流行度来看。ES正在超越solr cloud： <img src="http://img.blog.csdn.net/20141115155207293?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaGVuZ3l1bmFiYw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt=""> Logstash + ElasticSearch + Kibana的完整日志收集分析工具链，也有非常多公司在用。

</div>

来源：oschina

链接：https://my.oschina.net/u/4356599/blog/3549417

标签

github

solr

Cloudera

java