HBase: Coprocessor Endpoint ：startkey和endkey的真正作用

转载地址：/article/2439266.html

官方把Coprocessor的Endpoint比喻成关系型数据库的StoreProcedure(存储过程)，这个比喻很恰当。但我个人觉得Endpoint有时更像是一个只有单个Reduce的MapReduce，Reduce是Client，Maps就是Regions上的Endpoints。

接触过Coprocessor方法的童鞋都应该知道Endpoint的Client调用方法有两个，如下：

[java] view
plain copy

org.apache.hadoop.hbase.client.HTable.coprocessorProxy(

Class<? extends Map<byte[], String>> protocol,

byte[] row

)

org.apache.hadoop.hbase.client.HTable.coprocessorExec(

Class<ScanCoprocessorProtocol> protocol,

byte[] startKey,

byte[] endKey,

Call<ScanCoprocessorProtocol,

String> callable

) throws IOException, Throwable

coprocessorProxy是串行调用方法，coprocessorExec是并行调用方法。

如果需要跨多个Region调用，coprocessorExec性能要高于coprocessorProxy。

那么如何才能让Client锁定Region呢？

coprocessorProxy由参数row控制，coprocessorExec由startkey和endkey控制。这里要强调一下，很多新手都会搞错一个概念，他们会认为startkey和endkey是就是Scan方法中的startRow和stopRow~~~，其实不然

[java] view
plain copy

org.apache.hadoop.hbase.client.Scan.Scan(byte[]startRow, byte[]stopRow)

Scan中的startRow和stopRow是控制Row上下标，也就是说Scan操作的对象是数据。而coprocessorExec的startkey和endkey的操作对象是Region，这个概念千万不能搞错~~

举个例子有一张表TB: startRow=1000000,endRow=2000000，一共100W条数据。现在把这100W数据平均分到10个Region上

Region1： 1000000--1100000

Region2： 1100001--1200000

Region3： 1200001--1300000

..............

Region10：1900001--2000000

现在我们根据Row的范围做一次Count统计

如果调用Scan做一次Client统计

[java] view
plain copy

String RowKey = "1050001";

String EndKey = "1100000";

HTable myTB = new HTable(conf, "TB");

Scan myScan = new Scan(RowKey.getBytes(),EndKey.getBytes());

ResultScanner rs = myTB.getScanner(myScan);

int Count = 0;

while(rs.hasnext())

Count++;

最后的结果Count = 5W。

但是如果把coprocessorExec的startkey和endkey当成Scan中的startRow和stopRow来调用Endpoint，悲剧发生了~~

[java] view
plain copy

String RowKey = "1050001";

String EndKey = "1100000";

//伪代码，真正的调用方式不是这样的

int Count = coprocessorExec(

Myprotocol.class,

RowKey.getBytes()，

EndKey.getBytes(),

new Batch.Call<Myprotocol, int>() {

public String call(Myprotocol counter)

throws IOException {

return MyScan();

}

});

//Endpoint方法

int MyScan(){

Scan myScan = new Scan();

RegionCoprocessorEnvironment environment = (RegionCoprocessorEnvironment) getEnvironment();

InternalScanner scanner = environment.getRegion().getScanner(myScan);

int Count = 0;

while(scanner.hasnext())

Count ++;

return Count;

}

最后结果：Count =10W，尽然扫描了整个Region1

~~~这是因为coprocessorExec的startkey和endkey定位对象是Region，只要startkey和endkey的区间内的任何一个ROW覆盖到了某个Region，那么该Region的所有数据都会被扫描一次，最后只会得到一个错误的结果。

官方的例子中，scan实例是在Endpoint函数中定义的，这很可能会误导很多新手。为了避免这种情况发生，我们只要在MyScan方法中加入一个Scan参数，Client定义好Scan的startRow和stopRow，并向MyScan传入该参数。

[java] view
plain copy

String RowKey = "1050001";

String EndKey = "1100000";

Scan myScan = new Scan(RowKey.getBytes(),EndKey.getBytes());

//伪代码，真正的调用方式不是这样的

int Count = coprocessorExec(

Myprotocol.class,

RowKey.getBytes()，

EndKey.getBytes(),

new Batch.Call<Myprotocol, int>() {

public String call(Myprotocol counter)

throws IOException {

return MyScan(myScan);

}

});

//Endpoint方法

int MyScan(myScan){

RegionCoprocessorEnvironment environment = (RegionCoprocessorEnvironment) getEnvironment();

InternalScanner scanner = environment.getRegion().getScanner(myScan);

int Count = 0;

while(scanner.hasnext())

Count ++;

return Count;

}

这样就可以得到正确的统计值。

当然除了Scan，其他例如Get、Put、HTable甚至自定义类型都是可以作为参数传入的，这由业务决定。

我个人认为Endpoint作用不光是用来统计数据，还可以代替Scan方法用来查询明细数据，只不过开发人员需要自己去封装 List<Result>，有时我们甚至可以用Endpoint，去建立异步的二级索引和整理后台数据等工作。

今后会提供一些Coprocessor的实例源码，下期放上一个复杂的Endpoint实例讲解。

注：以上代码都是Java伪代码，不能直接Copy使用。

本文是CSDN-撸大湿原创，如要转载请注明出处，谢谢。