1.概述
在《Hadoop－Drill深度剖析》 一文当中，给大家介绍了Drill的相关内容，就实时查询来说，Drill基本能够满足要求，同时还可以做一个简单业务上的聚合，如果在使用Hive做一 些简单的业务统计（不涉及多维度，比如CUBE，ROLLUP之类的函数），只是用一些基本的聚合函数或是JOIN ON之类的，Drill基本满足要求，而且响应速度可比OLTP。今天给大家剖析的是另外一种工具，由于目前Drill官方不支持对表的插入，更新操作。 所以，在操作HBase的时候，若遇到这些需求，Drill就有点力不从心。那么，Phoenix可以满足以上需求。它更接近与标准的SQL。
2.Architecture
在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的传输，在Region Server使用Coprocessor来尽可能的执行Aggregate相关的工作，基本实现的思路是使用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。然与基于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。另外，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。
3.Grammar
本篇博客所对应的软件版本号，如下所示：
- HBase：0.98
- Phoenix：4.6-HBase-0.98
这里需要注意的是，Phoenix的版本是和HBase版本相匹配的，可以在Phoenix的官网选择对应的HBase版本。就本篇博客截止，官方所支持的语法如下图所示：
![]()
3.How to use
如何将Phoenix嵌入到现有业务当中，其实，Phoenix只是一个中间件（或是一个HBase的SQL插件），它的使用较为简单，首先，我们准备好对应的安装包，下载地址如下所示：
- ［Phoenix-HBase-0.98］［下载地址］
然后，将Phoenix目录下的phoenix-*.jar拷贝到HBase的lib目录，这里面是将所有的插件均拷贝到HBase了，若是只使用个别插件，大家可按需选择即可。然后重启HBase集群即可。
3.1 Shell Client
这里，我们可以验证Phoenix是否可用，可以通过终端来验证，在Phoenix的bin目录当中有一个sqlline.py脚本，可以通过该脚本来操作HBase中的表，命令如下所示：
./sqlline.py zk01,zk02,zk03:2181
通过英文感叹号可以获取帮助命令，如下图所示：
![]()
然后，我们可以做一些测试来，验证起可用性。如下图所示：
![]()
脚本如下所示：
|
1
2
3
4
5
6
7
|
create
table
test3 (mykey
integer
not
null
primary
key
, mycolumn
varchar
);
upsert
into
test3
values
(1,
'Hello'
);
upsert
into
test3
values
(2,
'World2'
);
upsert
into
test3
values
(3,
'World3'
);
upsert
into
test3
values
(4,
'World4'
);
upsert
into
test3
values
(5,
'World5'
);
select
*
from
test3;
|
3.2 JDBC
另外，Phoenix也支持JDBC去访问，这里笔者给大家写了一个示例代码，如下所示：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
package
cn.smrtloli.phoenix.demo;
import
java.sql.Connection;
import
java.sql.DriverManager;
import
java.sql.ResultSet;
import
java.sql.SQLException;
import
java.sql.Statement;
/**
* @Date Dec 14, 2015
*
* @Author dengjie
*
* @Note TODO
*/
public
class
PhoenixDemo {
private
static
String driver =
"org.apache.phoenix.jdbc.PhoenixDriver"
;
public
static
void
main(String[] args)
throws
SQLException {
try
{
Class.forName(driver);
}
catch
(ClassNotFoundException e) {
e.printStackTrace();
}
Statement stmt =
null
;
ResultSet rset =
null
;
Connection con = DriverManager.getConnection(
"jdbc:phoenix:zk01,zk02,zk03:2181"
);
stmt = con.createStatement();
String sql =
"select * from test3"
;
rset = stmt.executeQuery(sql);
while
(rset.next()) {
System.out.println(rset.getString(
"mycolumn"
));
}
stmt.close();
con.close();
}
}
|
另外，在pom.xml中添加如下依赖JAR文件，内容如下所示：
<dependency>
<groupId>org.apache.phoenix</groupId>
<artifactId>phoenix-core</artifactId>
<version>4.6.0-HBase-0.98</version>
</dependency>
运行结果，如下所示：
![]()
4.总结
就使用的结果来看，虽然满足了一些CRUD的操作，然其在HBase的基础上完成，过于依赖HBase，对其他存储介质的支持有限。总体来说， 对于HBase中已有数据，做标准的SQL操作来说，是足够了。另外，时延要求较高的业务，还是用HBase的API来完成，Phoenix虽说速度、性 能较快，毕竟不能严格意义上达到OLTP。
5.结束语
这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！
