首页 > 其他 > 详细

HBase协处理器同步二级索引到Solr(续)

时间：2017-02-28 15:34:59      阅读：250      评论：0      收藏：0      [点我收藏+]

一、 已知的问题和不足
二、解决思路
三、代码
3.1 读取config文件内容
3.2 封装SolrServer的获取方式
3.3 编写提交数据到Solr的代码
3.4 拦截HBase的Put和Delete操作信息
四、 使用

一、 已知的问题和不足

    在上一个版本中，实现了使用HBase的协处理器将HBase的二级索引同步到Solr中，但是仍旧有几个缺陷：

  1. 写入Solr的Collection是写死在代码里面，且是唯一的。如果我们有一张表的数据希望将不同的字段同步到Solr中该如何做呢？
  2. 目前所有配置相关信息都是写死到了代码中的，是否可以添加外部配置文件。
  3. 原来的方法是每次都需要编译新的Jar文件单独运行，能否将所有的同步使用一段通用的代码完成？

二、解决思路

针对上面的三个主要问题，我们一一解决

  1. 通常一张表会对应多个SolrCollection以及不同的Column。我们可以使用Map[表名->List[（Collection1，List[Columns]),(Collection2,List[Columns])...]]这样的类型，根据表名获取所有的Collection和Column。
  2. 通过Typesafe Config读取外部配置文件，达到所有信息可配的目的。
  3. 所有的数据都只有Put和Delete，只要我们拦截到具体的消息之后判断当前的表名，然后根据问题一中的Collection和Column即可写入对应的SolrServer。在协处理器中获取表名的是e.getEnvironment().getRegion().getTableDesc().getTableName().getNameAsString()其中e是ObserverContext

三、代码

3.1 读取config文件内容

使用typesafe的config组件读取morphlines.conf文件，将内容转换为 Map<String,List<HBaseIndexerMappin>>。具体代码如下

  1. public class ConfigManager {
  2.     private static SourceConfig sourceConfig = new SourceConfig();
  3.  public static Config config;
  4.  static {
  5.         sourceConfig.setConfigFiles("morphlines.conf");
  6.   config =  sourceConfig.getConfig();
  7.   }
  8.     public static Map<String,List<HBaseIndexerMappin>> getHBaseIndexerMappin(){
  9.         Map<String,List<HBaseIndexerMappin>> mappin = new HashMap<String, List<HBaseIndexerMappin>>();
  10.   Config mappinConf = config.getConfig("Mappin");
  11.   List<String> tables = mappinConf.getStringList("HBaseTables");
  12.  for (String table :tables){
  13.             List<Config> confList = (List<Config>) mappinConf.getConfigList(table);
  14.   List<HBaseIndexerMappin> maps = new LinkedList<HBaseIndexerMappin>();
  15.  for(Config tmp :confList){
  16.                 HBaseIndexerMappin map = new HBaseIndexerMappin();
  17.   map.solrConnetion = tmp.getString("SolrCollection");
  18.   map.columns = tmp.getStringList("Columns");
  19.   maps.add(map);
  20.   }
  21.             mappin.put(table,maps);
  22.   }
  23.         return mappin;
  24.   }
  25. }

3.2 封装SolrServer的获取方式

因为目前我使用的环境是Solr和HBase公用的同一套Zookeeper，因此我们完全可以借助HBase的Zookeeper信息。HBase的协处理器是运行在HBase的环境中的，自然可以通过HBase的Configuration获取当前的Zookeeper节点和端口，然后轻松的获取到Solr的地址。

  1. public class SolrServerManager implements LogManager {
  2.     static Configuration conf = HBaseConfiguration.create();
  3.  public static String ZKHost = conf.get("hbase.zookeeper.quorum","bqdpm1,bqdpm2,bqdps2");
  4.  public static String ZKPort = conf.get("hbase.zookeeper.property.clientPort","2181");
  5.  public static String SolrUrl = ZKHost + ":" + ZKPort + "/" + "solr";
  6.  public static int zkClientTimeout = 1800000;// 心跳
  7.   public static int zkConnectTimeout = 1800000;// 连接时间
  9.   public static CloudSolrServer create(String defaultCollection){
  10.         log.info("Create SolrCloudeServer .This collection is " + defaultCollection);
  11.   CloudSolrServer solrServer = new CloudSolrServer(SolrUrl);
  12.   solrServer.setDefaultCollection(defaultCollection);
  13.   solrServer.setZkClientTimeout(zkClientTimeout);
  14.   solrServer.setZkConnectTimeout(zkConnectTimeout);
  15.  return solrServer;
  16.   }
  17. }

3.3 编写提交数据到Solr的代码

理想状态下，我们时时刻刻都需要提交数据到Solr中，但是事实上我们数据写入的时间是比较分散的，可能集中再每一天的某几个时间点。因此我们必须保证在高并发下能达到一定数据量自动提交，在低并发的情况下能隔一段时间写入一次。只有两种机制并存的情况下才能保证数据能即时写入。

  1. public class SolrCommitTimer extends TimerTask implements LogManager {
  2.     public Map<String,List<SolrInputDocument>> putCache = new HashMap<String, List<SolrInputDocument>>();//Collection名字->更新（插入）操作缓存
  3.  public Map<String,List<String>> deleteCache = new HashMap<String, List<String>>();//Collection名字->删除操作缓存
  4.   Map<String,CloudSolrServer> solrServers = new HashMap<String, CloudSolrServer>();//Collection名字->SolrServers
  5.  int maxCache =  ConfigManager.config.getInt("MaxCommitSize");
  6.   // 任何时候，保证只能有一个线程在提交索引，并清空集合
  7.   final static Semaphore semp = new Semaphore(1);
  8.   //添加Collection和SolrServer
  9.  public void addCollecttion(String collection,CloudSolrServer server){
  10.         this.solrServers.put(collection,server);
  11.   }
  12. //往Solr添加（更新）数据
  13.     public UpdateResponse put(CloudSolrServer server,SolrInputDocument doc) throws IOException, SolrServerException {
  14.         server.add(doc);
  15.  return server.commit(false, false);
  16.   }
  17. //往Solr添加（更新）数据
  18.     public UpdateResponse put(CloudSolrServer server,List<SolrInputDocument> docs) throws IOException, SolrServerException {
  19.         server.add(docs);
  20.  return server.commit(false, false);
  21.   }
  22. //根据ID删除Solr数据
  23.     public UpdateResponse delete(CloudSolrServer server,String rowkey) throws IOException, SolrServerException {
  24.         server.deleteById(rowkey);
  25.  return server.commit(false, false);
  26.   }
  27. //根据ID删除Solr数据
  28.     public UpdateResponse delete(CloudSolrServer server,List<String> rowkeys) throws IOException, SolrServerException {
  29.         server.deleteById(rowkeys);
  30.  return server.commit(false, false);
  31.   }
  32. //将doc添加到缓存
  33.     public void addPutDocToCache(String collection, SolrInputDocument doc) throws IOException, SolrServerException, InterruptedException {
  34.         semp.acquire();
  35.   log.debug("addPutDocToCache:" + "collection=" + collection + "data=" + doc.toString());
  36.  if(!putCache.containsKey(collection)){
  37.             List<SolrInputDocument> docs = new LinkedList<SolrInputDocument>();
  38.   docs.add(doc);
  39.   putCache.put(collection,docs);
  40.   }else {
  41.             List<SolrInputDocument> cache = putCache.get(collection);
  42.   cache.add(doc);
  43.  if (cache.size() >= maxCache) {
  44.                 try {
  45.                     this.put(solrServers.get(collection), cache);
  46.   } finally {
  47.                     putCache.get(collection).clear();
  48.   }
  49.             }
  50.         }
  51.         semp.release();//释放信号量
  52.   }
  53. //添加删除操作到缓存
  54.     public void addDeleteIdCache(String collection,String rowkey) throws IOException, SolrServerException, InterruptedException {
  55.         semp.acquire();
  56.   log.debug("addDeleteIdCache:" + "collection=" + collection + "rowkey=" + rowkey);
  57.  if(!deleteCache.containsKey(collection)){
  58.             List<String> rowkeys = new LinkedList<String>();
  59.   rowkeys.add(rowkey);
  60.   deleteCache.put(collection,rowkeys);
  61.   }else{
  62.             List<String> cache = deleteCache.get(collection);
  63.   cache.add(rowkey);
  64.  if (cache.size() >= maxCache) {
  65.                 try{
  66.                     this.delete(solrServers.get(collection),cache);
  67.   }finally {
  68.                     putCache.get(collection).clear();
  69.   }
  70.             }
  71.         }
  72.         semp.release();//释放信号量
  73.   }
  75.     @Override
  76.   public void run() {
  77.         try {
  78.             semp.acquire();
  79.   log.debug("开始插入....");
  80.   Set<String> collections =  solrServers.keySet();
  81.  for(String collection:collections){
  82.                 if(putCache.containsKey(collection) && (!putCache.get(collection).isEmpty()) ){
  83.                     this.put(solrServers.get(collection),putCache.get(collection));
  84.   putCache.get(collection).clear();
  85.   }
  86.                 if(deleteCache.containsKey(collection) && (!deleteCache.get(collection).isEmpty())){
  87.                     this.delete(solrServers.get(collection),deleteCache.get(collection));
  88.   deleteCache.get(collection).clear();
  89.   }
  90.             }
  91.         } catch (InterruptedException e) {
  92.             e.printStackTrace();
  93.   } catch (Exception e) {
  94.             log.error("Commit putCache to Solr error!Because :" + e.getMessage());
  95.   }finally {
  96.             semp.release();//释放信号量
  97.   }
  98.     }
  99. }

3.4 拦截HBase的Put和Delete操作信息

在每个prePut和preDelete中拦截操作信息，记录表名、列名、值。将这些信息根据表名和Collection名进行分类写入缓存。

  1. public class HBaseIndexerToSolrObserver extends BaseRegionObserver implements LogManager{
  3.     Map<String,List<HBaseIndexerMappin>> mappins = ConfigManager.getHBaseIndexerMappin();
  5.   Timer timer = new Timer();
  6.  int maxCommitTime = ConfigManager.config.getInt("MaxCommitTime"); //最大提交时间，s
  7.   SolrCommitTimer solrCommit = new SolrCommitTimer();
  8.  public HBaseIndexerToSolrObserver(){
  9.         log.info("Initialization HBaseIndexerToSolrObserver ...");
  10.  for(Map.Entry<String,List<HBaseIndexerMappin>> entry : mappins.entrySet() ){
  11.             List<HBaseIndexerMappin> solrmappin = entry.getValue();
  12.  for(HBaseIndexerMappin map:solrmappin){
  13.                 String collection = map.solrConnetion;//获取Collection名字
  14.   log.info("Create Solr Server connection .The collection is " + collection);
  15.   CloudSolrServer solrserver = SolrServerManager.create(collection);//根据Collection初始化SolrServer连接
  16.   solrCommit.addCollecttion(collection,solrserver);
  17.   }
  18.         }
  19.         timer.schedule(solrCommit, 10 * 1000L, maxCommitTime * 1000L);
  20.   }
  22.     @Override
  23.   public void postPut(ObserverContext<RegionCoprocessorEnvironment> e,
  24.   Put put, WALEdit edit, Durability durability) throws IOException {
  25.         String table =  e.getEnvironment().getRegion().getTableDesc().getTableName().getNameAsString();//获取表名
  26.   String rowkey= Bytes.toString(put.getRow());//获取主键
  27.   SolrInputDocument doc = new SolrInputDocument();
  28.   List<HBaseIndexerMappin> mappin = mappins.get(table);
  29.  for(HBaseIndexerMappin mapp : mappin){
  30.             for(String column : mapp.columns){
  31.                 String[] tmp = column.split(":");
  32.   String cf = tmp[0];
  33.   String cq = tmp[1];
  34.  if(put.has(Bytes.toBytes(cf),Bytes.toBytes(cq))){
  35.                     Cell cell = put.get(Bytes.toBytes(cf),Bytes.toBytes(cq)).get(0);//获取制定列的数据
  36.   Map<String, String > operation = new HashMap<String,String>();
  37.   operation.put("set",Bytes.toString(CellUtil.cloneValue(cell)));
  38.   doc.setField(cq,operation);//使用原子更新的方式将HBase二级索引写入Solr
  39.   }
  40.             }
  41.             doc.addField("id",rowkey);
  42.  try {
  43.                 solrCommit.addPutDocToCache(mapp.solrConnetion,doc);//添加doc到缓存
  44.   } catch (SolrServerException e1) {
  45.                 e1.printStackTrace();
  46.   } catch (InterruptedException e1) {
  47.                 e1.printStackTrace();
  48.   }
  49.         }
  50.     }
  52.     @Override
  53.   public void postDelete(ObserverContext<RegionCoprocessorEnvironment> e,
  54.   Delete delete,
  55.   WALEdit edit,
  56.   Durability durability) throws IOException{
  57.         String table =  e.getEnvironment().getRegion().getTableDesc().getTableName().getNameAsString();
  58.   String rowkey= Bytes.toString(delete.getRow());
  59.   List<HBaseIndexerMappin> mappin = mappins.get(table);
  60.  for(HBaseIndexerMappin mapp : mappin){
  61.             try {
  62.                 solrCommit.addDeleteIdCache(mapp.solrConnetion,rowkey);//添加删除操作到缓存
  63.   } catch (SolrServerException e1) {
  64.                 e1.printStackTrace();
  65.   } catch (InterruptedException e1) {
  66.                 e1.printStackTrace();
  67.   }
  68.         }
  70.     }
  72. }

四、 使用

首先需要添加morphlines.conf文件。里面包含了需要同步数据到Solr的HBase表名、对应的Solr Collection的名字、要同步的列、多久提交一次、最大批次容量的相关信息。具体配置如下：

  1. #最大提交时间（单位：秒）
  2. MaxCommitTime = 30
  3. #最大批次容量
  4. MaxCommitSize = 10000
  6. Mappin {
  7.   HBaseTables: ["HBASE_OBSERVER_TEST"] #需要同步的HBase表名
  8.   "HBASE_OBSERVER_TEST": [
  9.     {
  10.       SolrCollection: "bqjr" #Solr Collection名字
  11.   Columns: [
  12.         "cf1:test_age",   #需要同步的列，格式<列族:列>
  13.   "cf1:test_name"
  14.   ]
  15.     },
  16.   ]
  17. }

该配置文件默认放在各个节点的/etc/hbase/conf/下。如果你希望将配置文件路径修改为其他路径，请修改com.bqjr.bigdata.HBaseObserver.comm.config.SourceConfig类中的configHome路径。

然后将代码打包，上传到HDFS中，将协处理器添加到对应的表中。

  1. #先禁用这张表
  2. disable ‘HBASE_OBSERVER_TEST‘
  3. #为这张表添加协处理器,设置的参数具体为： jar文件路径|类名|优先级（SYSTEM或者USER）
  4. alter ‘HBASE_OBSERVER_TEST‘,‘coprocessor‘=>‘hdfs://hostname:8020/ext_lib/HBaseObserver-1.0.0.jar|com.bqjr.bigdata.HBaseObserver.server.HBaseIndexerToSolrObserver||‘
  5. #启用这张表
  6. enable ‘HBASE_OBSERVER_TEST‘
  7. #删除某个协处理器，"$<bumber>"后面跟的ID号与desc里面的ID号相同
  8. alter ‘HBASE_OBSERVER_TEST‘,METHOD=>‘table_att_unset‘,NAME => ‘coprocessor$1‘

如果需要新增一张表同步到Solr。只需要修改morphlines.conf文件，分发倒各个节点。然后将协处理器添加到HBase表中，这样就不用再次修改代码了。

HBase协处理器同步二级索引到Solr(续)

原文：http://www.cnblogs.com/kekukekro/p/6478794.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
分享档案
更多>
2021年09月23日 (328)
2021年09月24日 (313)
2021年09月17日 (191)
2021年09月15日 (369)
2021年09月16日 (411)
2021年09月13日 (439)
2021年09月11日 (398)
2021年09月12日 (393)
2021年09月10日 (160)
2021年09月08日 (222)
最新文章
更多>
教程昨日排行
更多>
友情链接
汇智网   PHP教程   插件网  
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣，分享程序人生！