本文主要是介绍玩转HBase: Coprocessor Endpoint (1)：startkey和endkey的真正作用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Coprocessor(协处理器)是HBase 0.92版后加入的新组件，详情请见：HBase: Coprocessor Introduction。
本系列主要探讨Coprocessor的Endpoint方法。
本篇主要介绍Endpoint中startkey和endkey的真正作用。
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：
- 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
- 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
- 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~~
- 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;
- }
~~~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。
- 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。
如有任何异议请留言，或去CSDN-Hadoop论坛找我，欢迎拍砖~
下期将重点讨论在不同的应用场景下，如何选择coprocessorProxy和coprocessorExec。
并结合自己写的源码的对这两个方法做详细的分析：玩转HBase: Coprocessor Endpoint (2)：coprocessorProxy和coprocessorExec的合理运用
这篇关于玩转HBase: Coprocessor Endpoint (1)：startkey和endkey的真正作用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
