CDH版本Hbase二级索引方案Solrkeyvalueindex

在Hbase中,表的RowKey 按照字典排序, Region按照RowKey设置split point进行shard&＃xff0c;通过这种方式实现的全局、分布式索引. 成为了其成功的最大的砝码。

然而单一的通过RowKey检索数据的方式,不再满足更多的需求&＃xff0c;查询成为Hbase的瓶颈&＃xff0c;人们更加希望像Sql一样快速检索数据&＃xff0c;可是&＃xff0c;Hbase之前定位的是大表的存储&＃xff0c;要进行这样的查询&＃xff0c;往往是要通过类似Hive、Pig等系统进行全表的MapReduce计算&＃xff0c;这种方式既浪费了机器的计算资源&＃xff0c;又因高延迟使得应用黯然失色。于是&＃xff0c;针对HBase Secondary Indexing的方案出现了。

Solr

Solr是一个独立的企业级搜索应用服务器&＃xff0c;是Apache Lucene项目的开源企业搜索平台,

其主要功能包括全文检索、命中标示、分面搜索、动态聚类、数据库集成&＃xff0c;以及富文本&＃xff08;如Word、PDF&＃xff09;的处理。Solr是高度可扩展的&＃xff0c;并提供了分布式搜索和索引复制。Solr 4还增加了NoSQL支持&＃xff0c;以及基于Zookeeper的分布式扩展功能SolrCloud。SolrCloud的说明可以参看&＃xff1a;SolrCloud分布式部署。它的主要特性包括&＃xff1a;高效、灵活的缓存功能&＃xff0c;垂直搜索功能&＃xff0c;Solr是一个高性能&＃xff0c;采用Java5开发&＃xff0c;基于Lucene的全文搜索服务器。同时对其进行了扩展&＃xff0c;提供了比Lucene更为丰富的查询语言&＃xff0c;同时实现了可配置、可扩展并对查询性能进行了优化&＃xff0c;并且提供了一个完善的功能管理界面&＃xff0c;是一款非常优秀的全文搜索引擎。

Solr可以高亮显示搜索结果&＃xff0c;通过索引复制来提高可用&＃xff0c;性&＃xff0c;提供一套强大Data Schema来定义字段&＃xff0c;类型和设置文本分析&＃xff0c;提供基于Web的管理界面等。

Key-Value Store Indexer

这个组件非常关键&＃xff0c;是Hbase到Solr生成索引的中间工具。

在CDH5.3.2中的Key-Value Indexer使用的是Lily HBase NRT Indexer服务.

Lily HBase Indexer是一款灵活的、可扩展的、高容错的、事务性的&＃xff0c;并且近实时的处理HBase列索引数据的分布式服务软件。它是NGDATA公司开发的Lily系统的一部分&＃xff0c;已开放源代码。Lily HBase Indexer使用SolrCloud来存储HBase的索引数据&＃xff0c;当HBase执行写入、更新或删除操作时&＃xff0c;Indexer通过HBase的replication功能来把这些操作抽象成一系列的Event事件&＃xff0c;并用来保证写入Solr中的HBase索引数据的一致性。并且Indexer支持用户自定义的抽取&＃xff0c;转换规则来索引HBase列数据。Solr搜索结果会包含用户自定义的columnfamily:qualifier字段结果&＃xff0c;这样应用程序就可以直接访问HBase的列数据。而且Indexer索引和搜索不会影响HBase运行的稳定性和HBase数据写入的吞吐量&＃xff0c;因为索引和搜索过程是完全分开并且异步的。Lily HBase Indexer在CDH5中运行必须依赖HBase、SolrCloud和Zookeeper服务。

Hbase  ----->  Key Value Store  ---> Solr -------> Web前端实时查询展示

1.Hbase 提供海量数据存储

2.Solr提供索引构建与查询

3. Key Value Store 提供自动化索引构建(从Hbase到Solr)

前提: CDH5.3.2Solr集群搭建好,CDH5.3.2 Key-Value Store Indexer集群搭建好

1.开启Hbase的复制功能

2. Hbase表需要开启REPLICATION复制功能

对于已经创建的表可以使用如下命令

3. 生成实体配置文件, /opt/hbase-indexer/Test是自定义路径&＃xff0c;可以自己设置

solrctl instancedir --generate  /opt/cdhsolr/waslog

4.编辑生成好的scheme.xml文件

把hbase表中需要索引的列添加到scheme.xml filed节点,其中的name属性值要与Morphline.conf文件中的outputField属性值对应

5.创建collection实例并配置文件上传到zookeeper&＃xff0c;命令

solrctl instancedir --create waslog  /opt/cdhsor/waslog

6.上传到zookeeper之后&＃xff0c;其他节点就可以从zookeeper下载配置文件。接下来创建collection&＃xff0c;命令&＃xff1a;

solrctl collection –create  waslog  -s  15 –r 2 –m 50

7.创建Lily HBase Indexer配置文件

其中morphlineId 的value是对应Key-Value Store Indexer 中配置文件Morphlines.conf 中morphlines 属性id值

8.修改Morphlines 文件, 具体操作&＃xff1a;进入Key-Value Store Indexer面板->配置->查看和编辑->属性-Morphline文件

inputColumn:Hbase的CLOUMN

outputField:Solr的Schema.XML配置的fields

9.注册Lily HBase Indexer configuration 和 Lily Hbase Indexer Service

验证索引器是否成功创建

hbase-indexer list-indexers

10.测试put数据查看结果

当写入数据后&＃xff0c;稍过几秒我们可以在相对于的solr中查询到该插入的数据&＃xff0c;表明配置已经成功。

11.使用IK分词器

在/opt/cloudera/parcels/CDH/lib/solr/webapps/solr/WEB-INF创建classes目录

把IKAnalyzer.cfg.xml 和 stopword.dic添加到classes目录

把IKAnalyzer2012FF_u1.jar添加到/opt/cloudera/parcels/CDH/lib/solr/webapps/solr/WEB-INF/lib目录

在Schema.xml中添加

配置好后更新ZK配置文件,重启solr服务

12,扩展命令

Scheme.xml新增索引字段

执行以下命令更新配置

solrctl instancedir --update waslog /opt/cdhsolr /waslog

solrctl collection --reload  waslog

查看collection命令&＃xff1a;solrctl collection –list

在CDH5.3.2中Hbase-indexer提供了MapReduce来批量构建索引的方式

/opt/cloudera/parcels/CDH-5.3.2-1.cdh5.3.2.p0.10/lib/hbase-solr/tools/hbase-indexer-mr-1.5-cdh5.3.2-job.jar

构建命令

注意:在运行命令的目录下必须有morphlines.conf文件

http://www.cnblogs.com/thinkpad/p/5534627.html