快速理解 Phoenix : SQL on HBASE

作者：刘旭晖 Raymond 转载请注明出处

Email： colorant at 163.com

BLOG： http://blog.csdn.net/colorant/

更多云计算相关项目快速理解文档  http://blog.csdn.net/colorant/article/details/8255910

== 是什么 ==

目标Scope

EasyStandard SQL access on top of HBase

官方定义

A SQL layer over HBase delivered as a client-embedded JDBC drivertargeting low latency queries over HBase data

个人理解

不同于Hive on HBase的方式，Phoenix将Query Plan直接使用HBaseAPI实现，目的是规避MapReduce框架，减少查询的时间延迟

== 架构 ==

Phoenix 中SQL Query Plan的执行，基本上是通过构建一系列的Hbase scan来完成。

为了尽可能减少数据传输，在Region Server使用Coprocessor来尽可能的执行Aggregate相关工作，基本思想是使用RegionObserver在PostScannerOpen hook中将RegionScanner替换成支持Aggregation工作的定制化的Scanner，具体的Aggregate操作通过custom的scan属性传递给RegionScanner。与基于MapReduce的框架执行Plan的思想比较，基本上就是通过Coprocessor，使用RegionServer自身来在各个节点上执行Aggregation。

此外，通过各种定制的Filter在Hbase 的RegionScanner scan过程中，尽早的将不相关的数据过滤掉。

采用JDBC接口和应用程序交互。

== 实现 ==

目前支持简单的表的创建，修改，数据删减，过滤，检索等SQL语法，从语法上看，不支持多表操作，本质上应该是由于不支持多表联合类的操作如各种Join等，所以在Where部分也就不能做多表的比较。

个人认为，由于Coprocessor 和 Filter自身能力的限制，如果完全不依赖Map Reduce框架，只通过HbaseClient API想要实现复杂的Query操作如多表联合操作，相对比较困难，或者大量工作需要在客户端代码中实现，性能上可能无法满足需求。

从RoadMap上来看，打算支持Hash Join，要考虑性能的话，我猜测大概的实现思路是把第一次scan的小表的结果以某种方式保存在内存中供第二次Scan时匹配用，那么应该需要在scan之间保留状态，不知道这点phoneix具体打算怎么实现。

此外，Second Index也在计划之中。没有Second Index，显然在查询效率方面要大打折扣。

然后，基于HBase的TS Basedversion和不限制qualifier等特性，大概还打算实现一些相对有趣的功能，比如动态column，嵌套数据结构，schema演进等。

适用领域

如果不能找到比较好的办法来实现Join类操作，多表相关的操作都不能高效实现，那么应该只能用于简单的过滤，排序，单表检索类工作。照官方的说法就是适用于10M-100M行规模的简单查询。

不过，考虑到HBase表的设计理念，尽量用冗余数据空间减少复杂性的思想，实际上可以把相关数据都放在同一个表里，而不需要为了减少数据冗余，拆分到多个表中，很大程度上可以规避现阶段Phoenix在多表联合操作方面的能力缺失（当然，所有数据在一个表里存储，如果带来更新操作的负担和一致性问题，那还是要拆分的）

== 相关文献 ==

语法： http://forcedotcom.github.com/phoenix/

Wiki主页： https://github.com/forcedotcom/phoenix/wiki

代码： https://github.com/forcedotcom/phoenix