摘要： 2017云栖大会Hbase专场，阿里巴巴技术专家天穆带来Ali-HBase的SQL实践与改进的演讲。本文主要从为什么需要SQL开始谈起，进而讲解了SQL on Hbase，接着着重分享了Ali-Hbase SQL的优化与改进，最后对未来进行了展望。

2017云栖大会Hbase专场，阿里巴巴技术专家天穆带来Ali-HBase的SQL实践与改进的演讲。本文主要从为什么需要SQL开始谈起，进而讲解了SQL on Hbase，接着着重分享了Ali-Hbase SQL的优化与改进，最后对未来进行了展望。
以下是精彩内容整理：

为什么需要SQL？

时间序列数据的存取：按照时间顺序追加新记录，按照时间范围查询数据，查询结果按时间倒排。我们数据是按照时间产生的，最新写的数据一定写在表头，在分布式情况下所有操作都落在表头，这台服务器必然会成为热点。

Hash散列

解决写热点问题就是打散、随机分布，任何一个操作都可以随机地放在表格里面。这带来一个新的问题，整个表不是有序，一旦时间有序就会产生写热点。

分桶

我们需要做一些折中，也就是分桶，我们对它做一个取模的操作，任何一次操作都可以落在随机的“桶”里面，数据在桶内是有序的，可以按照时间范围来查询。代价是范围查询时必须并发查所有桶。在查完所有桶以外需要进行一次合并。

我们来查时间范围，先查第一个分桶，再查第二个和第三个分桶，得到了70、60、50的结果。分桶方案其实在一定程度上提升了读的性能。

基于HBase Native api的实现

现在说的场景是经过高度抽象的场景，实际的场景不可能这么简单，即使在简单的场景下就需要做这么多事情。我们HBase API要想用好Hbase就需要很多额外的事情，需要写非常多的代码。学习成本也是非常高的，如果想很精准地使用是需要有技巧的，很多东西都要靠经验，用户在利用HBase API的时候要付出很高的学习成本和开发成本。大部分的HBase用户都会遇到这些类似的问题，而且每个用户都需要了解怎么去解决这些问题，使用了HBase API以后可以对自己的业务做到完全地把控。

SQL on HBase

为什么HBase API这么难用，说到底就是太底层了，提供“原语级别的操作。我们希望能够降低用户的接入门槛，能够低成本低接入Hbase，怎么做这件事情？阿里HBase大部分场景都是比较简单的，并且有共性，所以我们希望能够引用中间层，大部分人都能够用到。中间层就是SQL，SQL能够替代API成为HBase的默认户接口。

基于Phoenix的SQL ON HBase解决方案，Phoenix就是针对HBase来设计的，而且Phoenix在HBase之间也可以结合得非常好，这也是我们选择Phoenix的一个主要原因。
支付宝智能搜索dump平台

支付宝智能搜索Dump平台，左边的数据源是各种各样的业务数据库，可能是MYSQL，可能是HBase的，对业务数据库的变更操作会同步到HBase集群里面很多张维表里面，对维表生成宽表。对于HBase来讲，这个场景除了实时写之外还有很大的全量导入。读是通过很多的全局二级索引，经常变更的索引表。因为搜索的业务，用户的需求经常发生变更，这样对应我们的索引表发生变更，虽然有一些成本，但是相比MYSQL来讲，这个变更的成本是可以接受的。因为业务增长比较快，所以线性扩容也是关键点。

商品报表

商品报表是另外一套吞吐型的业务，它也有实时的全量写，而且也需要二级索引来生成多维报表。这个报表的场景跟DUMP场景不一样，这个单表比较大，在我们业务里面最大的表在压缩之后有80个TB。

物联网设备信息存储

物联网场景也非常典型，读写相对比较简单，但是数据量特别大，而且写得很快。在这种情况下，存储的成本以及写的吞吐能力、扩容能力HBase比较擅长。在吞吐成本这块，我们采用冷热分离存储以及压缩算法降低成本。
HBase SQL的场景基本上都是HBase自己的场景，海量的数据、线性扩展等等，但是HBase有了查询的语意，从而拓展了HBase的业务边界。

Ali-Hbase SQL

为了支持这些场景，我们在HBase做了很多的优化和改进，在HBase本身我们针对阿里的场景做了很多性能和功能上的变革。在稳定性方面，我们做了很多工作，能够让HBase久经双十一沙场。Ali-HBaseSQL与Phoenix在功能补齐、功能增强、数据导入导出方面有所改善。Phoenix本身需要人去指定一个索引表，我们把这个事情自动化了，同时增强了可以访问多张索引表的能力，数据可以在各个系统之间产生流动。

性能优化

目标是将简单请求的性能优化到极致，与对应的HBase Native API性能差距小于5%。单行读写的场景下，SQL和HBase API的差距很明显。
客户端的元数据缓存，元数据：列名、数据类型、表属性、索引信息等等。元数据更新策略：并不是每次都刷新元数据，我们做了周期性的刷新，通过版本号的方式来识别是不是最新的，如果不是最新的就更新一版，这是优化UPSERT的缓存更新策略。

SELECT优化，我们会根据油壶请求的大小来合理选择适用，这个选择对性能影响非常大，因为我们的目标是优化简单的请求，优化一点点在用户那边的体现都是非常明显的。我们并不是分析型的场景，并不需要数据的预取，做到这些事情以后读的性能已经跟HBase Select比较接近了。
此外，阿里云上的SQL，从其他的RDBMS迁移至云HBase。

未来的工作

未来一定是支持列名映射，支持ImmutableDataEncoding，我们现在正在调研，在大宽表的情况下能够节省1/3—1/2的存储空间。但是有一个限制，这个数据只能写下去，不能改。我们要优化功能都需要让用户去申请SQL的客户端，这是非常恶心的事情；支持query server mode和瘦客户端，解决了产品不断迭代的问题，用户不需要升级也可以享受到我们的改进；支持分布式Sequence，最终我们也要把SQL的能力做到分布式；可选的索引一致性，异步全局二级索引，有些场景下用户不需要强一致性，比如说日志，最终在1分钟之内一致就OK了，所以我们做一个异步的全局更新，更新成本也进一步降低了。

原文链接

本文为云栖社区原创内容，未经允许不得转载。