今天，我们就来看看有哪些二级索引方案，通过对比各个方案的优缺点，并结合我们的具体场景做出二级索引方案选型。

1.为什么需要二级索引

HBase系统单纯从解决大数据实时读写问题角度出发，重点关注于分布式存储的扩展性、容错性、读写性能等方面，为此也牺牲了很多传统关系型数据库的功能，比如事务，SQL表达与分析等。

实际上，这是NoSQL最初的含义，以解决大数据的实时存取为首要目标，提供简单的Get，Put，Scan接口，解决用户的大数据量存储的需求。因此，HBase完全是一个非常优秀的大数据实时存取引擎，解决了传统数据库的容量问题。

就目前官方的HBase系统来说，并不支持二级索引，只有rowkey作为一级索引， 如果要对库里的非rowkey字段进行数据检索和查询， 往往要通过MapReduce/Spark等分布式计算框架进行，硬件资源消耗和时间延迟都会比较高。

为了HBase的数据查询更高效、适应更多的场景， 诸如使用非rowkey字段检索也能做到秒级响应，或者支持各个字段进行模糊查询和多字段组合查询等， 因此需要在原生HBase基础上构建二级索引， 以满足现实中更复杂多样的业务需求。一般有以下三类方案：

• 基于HBase的Coprocessor的方案（典型代表phoenix）
• 云厂商自研的二级索引（阿里云目前有自研增强版二级索引）
• 基于搜索平台的索引方案（如solr、ES等）。

2.如何选择二级索引方案

我们从读写性能、使用限制、学习成本、社区活跃等角度，对三类方案做对比。

基于HBase的Coprocessor的方案（典型代表phoenix）

• 官方文档：http://phoenix.apache.org/secondary_indexing.html
• 读写性能：有一定读写性能损害，索引越多，写入性能影响越大
• TTL功能：支持比较好
• 索引的使用限制：一个表的索引数不要超过10个
• 索引类型：全局索引、本地索引、覆盖索引
• 学习成本：类JDBC的sql语法，多参考官方的语法（http://phoenix.apache.org/language/index.html）
• 开源/社区活跃程度：开源，目前社区不太活跃
• 优点：社区文档多、使用简单、实时查询无延迟
• 缺点：非商业化方案，没有专门的技术支持

云厂商自研的二级索引（典型代表阿里云自研增强版二级索引）

• 官方文档：https://help.aliyun.com/document_detail/144577.html?spm=a2c4g.11174283.6.576.4999363f2uZWt0
• 读写性能：二级索引内置于HBase，官方的性能评测文档说比Phoenix好
• TTL功能：只能在单列索引上生效
• 索引的使用限制：一个表的索引个数最多不超过5个、组合索引的列最多不要超过3个
• 索引类型：全局索引、本地索引、覆盖索引
• 学习成本：内部封装的很简单，在使用上就是HBase的原生用法
• 开源/社区活跃程度：非开源、阿里云私有
• 优点：性能好、实时查询无延迟
• 缺点：被云厂商锁定

基于搜索平台的二级索引方案（以Solr为例）

• 官方文档：http://phoenix.apache.org/secondary_indexing.html
• 读写性能：有一定读写性能损害、数据同步的延迟需要考虑
• TTL功能：HBase是单个KV过期，而Solr中只能按照Document（对应HBase的一行）过期，过期的时间不完全一致
• 索引的使用限制：没有限制，完全取决于solr
• 索引类型：非常灵活
• 学习成本：需要熟悉solr语法
• 开源/社区活跃程度：开源 社区活跃
• 优点：查询方式更加灵活
• 缺点：引入搜索引擎组件、太重了，而且有明显的延迟问题

 

总结一下（特别重要的技术选型策略）：

• 为了不被云厂商锁定，所以不采用云厂商独有的二级索引方案
• 对于实时性要求高、索引数量少的场景，完全可以使用phoenix，简单而又丝滑
• 对于实时性要求不高、搜索场景比较复杂的，需要引入搜索引擎，如solr或者es进行索引构建

一般来说，为了满足实时需求，我们会使用phoenix。

3.简单了解下phoenix

为了让HBase更强大，更好用，门槛更低，让HBase帮助更多的用户解决他们遇到的实际问题。于是，phoenix带着SQL诞生了。众所周知，SQL是数据处理领域的语言标准，简单，好用，表达力强，用户使用广泛。当然，HBase SQL的实现和发展跟传统单机数据库有很多不同，便于区别，我们称之为NewSQL。这也是社区尝试HBase二级索引的初衷，如果说HBase是功能强大的存储引擎，那么支持NewSQL之后，就变成了新一代的大飞机。

Phoenix作为应用层和HBASE之间的中间件,以下特性使它在大数据量的简单查询场景有着独有的优势

• 二级索引支持(global index + local index)
• 编译SQL成为原生HBASE的可并行执行的scan
• 在数据层完成计算，server端的coprocessor执行聚合
• 下推where过滤条件到server端的scan filter上
• skip scan功能提高扫描速度

下一期，我们将结合实践，来说明phoenix的原理和最佳实践，敬请期待！

看到这里了，原创不易，点个关注、点个赞吧，你最好看了～

知识碎片重新梳理，构建Java知识图谱：https://github.com/saigu/JavaKnowledgeGraph